سال 2024 شاهد رونق هوش مصنوعی در مراقبت های بهداشتی خواهیم بود که منجر به کنترل دقیق تری بر فرآیندهای مختلف هوش مصنوعی خواهد شد. رونق هوش مصنوعی منجر به کمبود مهارت ها و نیاز به آموزش های تخصصی تر IT خواهد شد. و در حالی که استفاده از هوش مصنوعی در مراقبت های بهداشتی در حال رشد است، این هوش مصنوعی مانند ChatGPT نخواهد بود.
این ها پیش بینی های ماکسیم ورمیر، مدیر ارشد استراتژی هوش مصنوعی در ABBYY، یک شرکت اتوماسیون هوشمند، برای سال آینده است. با یک دهه تجربه محصول و فناوری، ورمیر برای دستیابی به ارزش مشتری بیشتر با فناوری های نوظهور در صنایع مختلف از جمله مراقبت های بهداشتی تلاش می کند.
تخصص او در هوش مصنوعی به ایجاد سیستمهای تجاری قدرتمند و ابتکارات تحول از طریق مدلهای زبانی در مقیاس بزرگ و سایر برنامههای کاربردی پیشرفته هوش مصنوعی کمک میکند. ماموریت آن کمک به سازمان های مشتری برای دستیابی به اهداف تحول دیجیتال و باز کردن فرصت های جدید با هوش مصنوعی است.
اخبار فناوری اطلاعات بهداشت و درمان با ورمیر صحبت کرد و از او خواست تا پیشبینیهایش را توضیح دهد و به مدیران ارشد اطلاعات سازمانهای ارائهدهنده مراقبتهای بهداشتی، مدیران همکار C-suite و رهبران فناوری اطلاعات سلامت برای سال آینده راهنمایی کند.
س. شما فرض می کنید که هوش مصنوعی رشد خواهد کرد – اما نه هوش مصنوعی مولد مانند ChatGPT. چه نوع هوش مصنوعی و در کجا رشد خواهد کرد؟ و چرا هوش مصنوعی مولد در حال رشد نیست؟
آ. امروزه استفاده از هوش مصنوعی مولد برای جستجو و جمعآوری دادهها، 10 برابر بیشتر از جستجوی معمولی انرژی مصرف میکند – به سادگی ناپایدار است و برای اکثر موارد تجاری مناسب نیست. بررسی دقیق نظارتی نیز احتمالا برای اطمینان از استفاده ایمن و اخلاقی از هوش مصنوعی در مراقبتهای بهداشتی افزایش مییابد.
این ممکن است شامل اعتبارسنجی دقیق راهحلهای هوش مصنوعی مانند مدلهای ChatGPT برای اطمینان از دقت، شفافیت در تصمیمگیری هوش مصنوعی و انطباق با قوانین حفظ حریم خصوصی دادههای بیمار باشد.
در مراقبتهای بهداشتی، تمرکز از هوش مصنوعی عمومی به سیستمهای تخصصیتر، مبتنی بر هوش مصنوعی و یادگیری ماشینی تغییر میکند که به طور مؤثری به مشکلات خاص تجاری رسیدگی میکنند.
سیستم های تخصصی هوش مصنوعی را می توان برای رسیدگی به چالش های پزشکی خاص مانند تشخیص بیماری، برنامه ریزی درمان و مدیریت بیمار توسعه داد. برخلاف هوش مصنوعی عمومی، این راهحلهای تخصصی را میتوان برای پایبندی به پروتکلهای پزشکی، درک صورتحساب و کدهای پزشکی، درک مقررات بهداشتی و اطمینان از ایمنی بیمار طراحی کرد و آنها را برای برنامههای مراقبتهای بهداشتی مناسبتر کرد.
رهبران فناوری اطلاعات مراقبتهای بهداشتی متوجه خواهند شد که میتوانند بسیاری از چالشهای تجاری خود را با استفاده از برنامههای کاربردی هدفمند حل کنند – که ۹۰ درصد آنها از نیاز به دسترسی انسانمانند به دادهها و فرآیندهای خود و درک آنها ناشی میشود.
هوش مصنوعی هدفمند می تواند بارهای اداری را کاهش دهد و مراقبت از بیمار را تسریع کند، مانند ارجاع سریع به متخصصان یا دریافت تاییدیه برای داروهای نجات دهنده. به عنوان مثال، تنها 54 درصد از ارجاعات فکس منجر به قرار ملاقات می شود که منجر به فرسایش بیمار، تأخیر در مراقبت و در مجموع پیامدهای سلامت ضعیف تر می شود.
با استفاده از فناوریهای هوش مصنوعی در فرآیند ارجاع، ارائهدهندگان میتوانند به طور خودکار یادداشتهای دستنویس و متنی حاوی دلایل ارجاع را شناسایی و بازیابی کنند و ارجاعهای فوری را با تمام حفاظت دقیق دادهها و قابلیت حسابرسی مورد نیاز در مراقبتهای بهداشتی اولویتبندی کنند.
مطالعه اخیر Chime-Cerner نشان داد که تقریباً 40٪ از شرکت کنندگان ارائه دهنده حداقل 10٪ از درآمد بیمار را به دلیل نشت ارجاع از دست می دهند. و ارجاعات خام سالانه بین 821000 تا 971000 دلار برای هر پزشک برای بیمارستان ها هزینه دارد.
س. شما می گویید که هوش مصنوعی منجر به کمبود مهارت ها و نیاز به آموزش های تخصصی تر IT خواهد شد. لطفا با جزئیات بیشتر توضیح دهید.
آ. اعتصابات ملی اخیر توسط متخصصان مراقبت های بهداشتی نیاز کارگران را برای تعادل بهتر بین کار و زندگی تقویت کرده است. به همین دلیل است که از هوش مصنوعی بیشتری برای افزایش وظایف اداری کارکنان، از برنامه ریزان قرار ملاقات گرفته تا کارکنان اتاق اورژانس و پزشکان، استفاده خواهد شد.
هوش مصنوعی به کارکنان مراقبتهای بهداشتی کمک میکند تا سوابق بیمار را درک کنند و فرمهای مجوز و ادعاها را 50 درصد سریعتر توصیه و پردازش کنند.
با این حال، در حالی که کارگران خط مقدم بیش از 70 درصد از نیروی کار ایالات متحده را تشکیل می دهند، یک نظرسنجی اخیر نشان داد که تنها 14 درصد گفتند که آموزش دیده اند که چگونه هوش مصنوعی بر کار آنها تأثیر می گذارد. در واقع، طبق مطالعه ای که توسط ABBYY انجام شده است، یکی از دلایل اصلی شکست پروژه های اتوماسیون به دلیل عدم آموزش کارکنان است.
رهبران مراقبت های بهداشتی باید ابتکار عمل داشته باشند و اطمینان حاصل کنند که کارکنان به درستی آموزش دیده اند. همانطور که ما مشتاقانه منتظر ادغام هوش مصنوعی در مراقبت های بهداشتی هستیم، یادگیری از روندهای تاریخی در پذیرش فناوری مهم است. شکاف دیجیتال، اصطلاحی که برای توصیف تفاوت بین جمعیتشناسی با دسترسی آسان به فناوری دیجیتال و افرادی که فاقد آن هستند، بینش ارزشمندی را در مورد تفاوتهای بالقوه در پذیرش هوش مصنوعی در مراقبتهای بهداشتی ارائه میدهد.
آمارهای اخیر این شکاف را برجسته می کند. بر اساس گزارش مرکز تحقیقات پیو، سهم آمریکاییهایی در هر سطح درآمدی که دارای پهنای باند خانگی یا تلفن هوشمند هستند از سال 2019 تا 2021 تغییر قابل توجهی نداشته است. سطوح پذیرش هوش مصنوعی در میان نیروی کار مراقبت های بهداشتی
علاوه بر این، بزرگسالان روستایی کمتر از همتایان شهری و حومه شهر خود به پهنای باند خانگی دسترسی دارند و احتمال کمتری دارند که دستگاههای دیجیتالی مانند تلفنهای هوشمند، تبلت یا رایانه داشته باشند. این شکاف روستایی-شهری می تواند به طور بالقوه به محیط های مراقبت های بهداشتی سرایت کند و بر ارائه دهندگان مراقبت های بهداشتی و بیماران در مناطق جغرافیایی مختلف تأثیر بگذارد.
روندهای تاریخی در پذیرش اینترنت و تجارت الکترونیک نشان می دهد که در حالی که فناوری های جدید در نهایت گسترده می شوند، سرعت و درجه پذیرش می تواند در بین گروه های جمعیتی بسیار متفاوت باشد.
این نشان می دهد که با رواج بیشتر هوش مصنوعی در مراقبت های بهداشتی، سطوح مختلفی از آمادگی و توانایی برای استفاده موثر از این فناوری ها وجود خواهد داشت. این امر اهمیت برنامه های آموزشی و آموزشی هدفمند را برای اطمینان از دسترسی عادلانه به ابزارهای هوش مصنوعی و مزایای آنها برجسته می کند.
برای اطمینان از اینکه هیچ گروه جمعیتی در این تغییر تکنولوژیک عقب نمانده است، رهبران مراقبت های بهداشتی باید ابتکارات ارتقاء مهارت و بازآموزی را در اولویت قرار دهند. آنها باید به گونهای طراحی شوند که نیازها و محیطهای یادگیری متنوع را برآورده کنند و اطمینان حاصل کنند که همه متخصصان مراقبتهای بهداشتی، صرفنظر از نقطه شروعشان، میتوانند به طور موثر از هوش مصنوعی در نقشهای خود استفاده کنند.
علاوه بر این، در نظر گرفتن کاربران نهایی خدمات مراقبت های بهداشتی، که ممکن است به دلیل شکاف دیجیتالی با موانعی برای دسترسی و بهره مندی از مراقبت های بهداشتی مبتنی بر هوش مصنوعی مواجه شوند، بسیار مهم است.
بنابراین در حالی که هوش مصنوعی پتانسیل تحول آفرین در مراقبت های بهداشتی را ارائه می دهد، پذیرش عادلانه و تأثیر مفید آن در تمام جمعیت شناسی به استراتژی های یادگیری فعال و فراگیر بستگی دارد. این استراتژی ها باید مبتنی بر درک نابرابری های موجود در دسترسی و استفاده از فناوری باشد، همانطور که با پدیده شکاف دیجیتال برجسته شده است.
در نتیجه، آموزش و بازآموزی اولویت اصلی در مراقبت های بهداشتی در سال 2024 و پس از آن خواهد بود تا اطمینان حاصل شود که کارکنان به سرعت عمل می کنند. کارگاه ها، وبینارها و ابزارهای متن باز بسیاری در دسترس هستند، همچنین پیشنهادات فشرده تری از Coursera، Udemy و edX وجود دارد که موضوعات مرتبطی مانند یادگیری ماشین، یادگیری عمیق و برنامه های کاربردی هوش مصنوعی را پوشش می دهد.
رهبران فناوری اطلاعات مراقبت های بهداشتی همچنین باید اطمینان حاصل کنند که فروشندگانی که اتوماسیون آنها را پیاده سازی می کنند، آموزش مهارت های مناسبی را ارائه می دهند.
س: شما پیشبینی میکنید که رونق هوش مصنوعی در مراقبتهای بهداشتی رخ خواهد داد که منجر به کنترل بیشتر بر فرآیندها میشود. منظور شما از آن چیست؟ این برای رهبران فناوری اطلاعات سلامت در سازمان های ارائه دهنده چه معنایی خواهد داشت؟
آ. رشد ناگهانی هوش مصنوعی مولد دوباره درخواستها برای مقررات سختتر را برانگیخت، به طوری که جو بایدن، رئیسجمهور جو بایدن اخیراً فرمان اجرایی گستردهای را برای قرار دادن نردههای محافظ در استفاده و توسعه هوش مصنوعی، مانند بررسی مدلهای هوش مصنوعی بزرگ مانند GPT-5 برای بازبینی OpenAI امضا کرده است. قبل از اینکه آزاد شوند.
این فرمان اجرایی همچنین اقداماتی را برای شروع ایجاد استانداردهای ایمنی و امنیت هوش مصنوعی جدید و حفاظت از حریم خصوصی و حقوق مدنی آمریکایی ها انجام خواهد داد.
این باعث پیشرفت در هوش مصنوعی قابل توضیح (XAI) می شود. XAI می تواند در مراقبت های بهداشتی اساسی باشد تا توضیحات روشنی در مورد تشخیص ها و توصیه های درمانی تشخیص داده شده با هوش مصنوعی ارائه دهد. این شفافیت می تواند به ایجاد اعتماد در میان ارائه دهندگان مراقبت های بهداشتی و بیماران کمک کند و اطمینان حاصل کند که هوش مصنوعی به جای یک تصمیم گیرنده غیرشفاف انسانی به عنوان یک ابزار کمکی عمل می کند.
در نتیجه، سازمانهای مراقبتهای بهداشتی باید دقیقاً بدانند که اطلاعات و دادههای آنها چگونه مدیریت میشود، بهویژه با رشد عظیم تحول دیجیتال، زیرا بسیاری از شرکتهای مراقبتهای بهداشتی سرمایهگذاری در هوش مصنوعی را به عنوان هدف اصلی در چند سال آینده معرفی میکنند.
این رشد در اتوماسیون به این معنی است که فرآیندهای فعلی نه تنها از نظر کارایی و موفقیت، بلکه به دلایل انطباق نیز مورد بررسی دقیق قرار می گیرند. با این حال، این تجزیه و تحلیل فرآیند باید به طور موثر انجام شود، به ویژه با تحقیقات جدید که نشان می دهد تا 70٪ از پروژه های اتوماسیون شکست می خورند.
تکیه بر بازخورد کارکنان برای ایجاد تغییر می تواند منجر به اطلاعات نادرست یا مغرضانه شود که می تواند منجر به اتوماسیون فرآیندهای اشتباه شود. سازمانهای مراقبتهای بهداشتی باید یک فرآیند تصمیمگیری مبتنی بر داده را برای پروژه اتوماسیون خود با پیادهسازی فناوری تحلیلی برای جمعآوری بینش عمیق و اطلاعرسانی به انتخابهای استراتژیک ایجاد کنند.
ظهور چنین ابزارهای تحلیلی که توسط هوش مصنوعی و یادگیری ماشین هدایت میشود، به کسبوکارها این امکان را میدهد تا قبل از حرکت به سمت تغییر، درک عمیقتری از فرآیندها و عملیات خود به دست آورند.
یکی از این فناوریها، هوش فرآیندی است که وظیفه کاوی و فرآیند کاوی را ترکیب میکند تا یک مدل گردش کار دقیق و دقیق را در زمان واقعی به تصویر بکشد تا فرصتهای اتوماسیون را بهتر شناسایی کند. علاوه بر این، با حفاظت دقیق از داده ها و قابلیت حسابرسی مورد نیاز در مراقبت های بهداشتی، رهبران فناوری اطلاعات می توانند از فناوری برای اطمینان از انطباق با تنظیم قوانین تجاری از پیش تعیین شده استفاده کنند که هرگونه نقض احتمالی را برجسته می کند و به سازمان ها کمک می کند استانداردهای قانونی را حفظ کنند.
در واقع، IDC استفاده رو به رشد از این نوع فناوری فرآیند کاوی در تحول دیجیتال را تایید کرده و بیان میکند که این زیرمجموعه سریعترین زیرمجموعه در حال رشد در بازار اتوماسیون فرآیند هوشمند است، با CAGR 2022-2026 50.5% و درآمد آن به 3 میلیارد دلار در سال 2026 میرسد.
پوشش بیل HIT را در لینکدین دنبال کنید: بیل سیویکی
به او ایمیل بزنید: bsiwicki@himss.org
Healthcare IT News یک نشریه HIMSS Media است.