Diagnozė ilgą laiką buvo traktuojama kaip esminis paciento kelionės etapas, kai pagaliau įvardijame, kas negerai. Tačiau iš tikrųjų daugelis didžiausių sveikatos priežiūros nesėkmių įvyksta tiek prieš, tiek po to.
Nuo pacientų, kuriems per ilgai nediagnozuojama, iki tų, kurių būklė atpažįstama, bet suvaldoma per vėlai arba neoptimaliai, tikras iššūkis yra nustatyti klinikinę riziką ir imtis jos veiksmų, kai tik ji atsiranda. Ką daryti, jei užuot diagnozę laikę finišu, išmaniai panaudotume duomenis kiekvienam priežiūros žingsniui – nuo pirmųjų rizikos požymių iki nuolatinio paciento sveikatos valdymo?
Taip AI gali iš tikrųjų pakeisti sveikatos priežiūrą: ne tik anksčiau nustatant ligą, bet ir padedant gydytojams veikti greičiau ir efektyviau kiekviename paciento kelionės etape.
Sveikatos priežiūros duomenų paradoksas
Šiuolaikinė sveikatos priežiūra nekenčia dėl duomenų trūkumo; tai paskęsta joje. Kiekvienas paciento susitikimas, laboratorijos rezultatas ir konsultacijos užrašas prisideda prie informacijos vandenyno, per plataus, kad bet kuris žmogus galėtų apdoroti jį realiu laiku. Gydytojai yra apsupti informacijos, tačiau neturi nei laiko, nei įrankių visa tai pakankamai greitai išaiškinti, kad būtų užtikrinta aktyvi, optimizuota priežiūra. Tai gali reikšti, kad daugelis būklių vis dar klaidingai diagnozuojamos, visiškai praleistos arba pacientams netaikomas gaires atitinkantis gydymas.
Šis paradoksas sukėlė pacientų, kurie slysta pro plyšius, krizę. Nepaisant svarbios informacijos pacientų įrašuose, ši informacija praleidžiama, nes gydytojai neatskleidžia šių įžvalgų. Daugelio tų pacientų būklė pablogės prieš paskyrimą ne todėl, kad jų gydytojas nepasirūpino, o todėl, kad sistema nesugebėjo sujungti taškų tarp rizikos ir veiksmų. Tada dėl delsimo pacientams reikia sudėtingesnės, daug išteklių reikalaujančios priežiūros, o tai padidina naštą sveikatos sistemoms, o tai reiškia ilgesnį laukimo laiką, didesnes išlaidas ir prastesnius rezultatus. AI, jei naudojamas teisingai, gali uždaryti tuos plyšius, kol jie netampa bedugnėmis.
Per daug sveikatos technologijų pokalbių daugiausia dėmesio skiriama AI kaip prognozės veiksniui – algoritmui, kuris prognozuoja, kam po metų gali išsivystyti diabetas ar vėžys. Tačiau prognozės nėra prevencija. Vietoj to, reikia naujos kartos pagalbos gydytojams, kurie padėtų pastebėti dalykus, kurių šiuo metu trūksta.
Tai reiškia, kad dirbtinio intelekto vaidmenį reikia pakeisti nuo abstrakčios analizės prie tokios, kuri imituoja klinikinius samprotavimus. Geriausia technologija turėtų elgtis kaip gydytojas, peržiūrintis paciento įrašus: pastebėti praleistą siuntimą, nenormalią laboratorijos tendenciją arba gydymą, kuris nesiderino su gairėmis, ir tai daro milijonuose įrašų vienu metu. Tai ne apie gydytojų pakeitimą; tai yra suteikti jiems antžmogišką matomumą.
„Pangea Data“ sukūrė AI platformą, kuri atlieka būtent tai: nuskaito struktūrizuotus ir nestruktūruotus duomenis iš medicininių įrašų, samprotauja paciento istorija, kaip tai darytų gydytojas, ir pažymi priežiūros spragas, kurias būtų galima nedelsiant pašalinti. 13 šalių sveikatos sistemose taikant šį metodą buvo nustatyta, kad pacientai, kurie nebuvo gydomi arba nepakankamai gydomi, serga tokiomis ligomis kaip ŠKL, LOPL, krūties vėžys, vėžio kacheksija ir retosios ligos, pvz., hipofosfatazija, prieš simptomams paūmėjus.
Tikroji problema yra trintis
Dabartinės kartos klinikinis AI dažnai prideda daugiau trinties, o ne mažiau. Kitas įspėjimas arba prietaisų skydelis, skirtas jau per daug apkrautiems gydytojams valdyti. Štai kodėl kitame AI priėmimo etape pagrindinis dėmesys turėtų būti skiriamas darbo eigos žvalgybai – įrankiams, kurie sklandžiai integruojasi į sistemas, kuriomis gydytojai jau pasitiki.
Įtraukę dirbtinį intelektą į priežiūros tašką, galime pereiti nuo pasyvių įžvalgų prie aktyvių veiksmų. Įsivaizduokite sistemą, kuri ne tik pažymi didelės rizikos LOPL pacientą, bet ir automatiškai suplanuoja stebėjimą, įspėja tinkamą specialistą, pagerina išankstinius leidimus ir užtikrina, kad gydymo planas atitiktų gaires.
Išankstinių leidimų tobulinimas reiškia ne tik geresnį dokumentų tvarkymą, bet ir labai svarbu panaikinti priežiūros spragas, atsirandančias, kai pacientas negali gauti išrašytų vaistų, nes laukia, kol draudikas juos patvirtins. Šios problemos sprendimas padeda gauti daugiau pajamų sveikatos sistemoms, kartu užtikrinant pacientų kokybę ir saugą.
Apribotoje aplinkoje, pavyzdžiui, JK nacionalinėje sveikatos sistemoje, galimybė suteikti gydytojams daugiau paramos yra gyvybiškai svarbi. Ankstesnė intervencija, vadovaujama AI, kuri supranta paciento kontekstą, gali sumažinti spaudimą visoje sistemoje.
Matėme, kad kai gydytojai tinkamu momentu gauna reikiamų įžvalgų, priežiūra tampa greitesnė ir teisingesnė. Pavyzdžiui, Pangaea sistema nustatė šešis kartus daugiau nediagnozuotų vėžio kacheksijos pacientų nei tradiciniai metodai, todėl gydymo išlaidos vienam pacientui sumažėjo nuo 10 000 iki 5 000 svarų sterlingų. Ta pati technologija, taikoma kitoms sąlygoms, galėtų padėti išspręsti NHS atsilikimą, suteikdama pažangesnį skirstymą ir atlaisvindama specialistų laiko.
Su dirbtiniu intelektu, kuris imituoja klinikinius samprotavimus ir sklandžiai integruojasi į kasdienes darbo eigas, sveikatos sistemos pagaliau gali pašalinti priežiūros spragas, atsirandančias per visą paciento kelionę, nuo pirmojo rizikos ženklo iki ilgalaikio valdymo. Sujungus suskaidytus duomenis, pateikiant veiksmingų įžvalgų ir skatinant laiku įsikišti, AI suteikia gydytojams galią ryžtingai veikti kiekvieną svarbią akimirką. Tai ne tik technologinė raida; tai iš naujo apibrėžimas, kaip sveikatos priežiūros specialistai mato savo pacientus ir tarnauja jiems – ir tai turi moralinę bei klinikinę skubą.
