La gestión de la información en salud está evolucionando rápidamente gracias a la inteligencia artificial (IA). Este artículo explora cómo la IA puede transformar los sistemas de salud, optimizando procesos y mejorando la atención al paciente.

Fuente: Douglas College

Екосистема даних у сфері охорони здоров'я

Системи охорони здоров'я складаються з різних учасників, від постачальників послуг до дослідників. Виділяються два ключові підходи:

• Традиційний: Заснований на ізольованих системах з меншою інтерактивністю.
• Розширений: Включає послуги телемедицини, екологічну сталість та аналіз великих даних (big data).

Цифрова зрілість відіграє центральну роль. Це означає:

• Розвинута інфраструктура.
• Використання стандартів, таких як HL7 і FHIR, для інтерактивності.
• Впровадження електронних медичних карт.

Шлях пацієнта в цифровій системі

Досвід пацієнта можна значно покращити за допомогою ІІ. Нижче виділено ключові етапи:

1. Цифрове сортування:

• Початкова оцінка, допомога систем ІІ, які визначають диференціальні діагнози.

2. Запис на прийом:

• Інтеграція автоматизованих систем для оптимізації часу та ресурсів.

3. Медична консультація:

• Використання ІІ для запису консультацій, автоматичного створення медичних історій і забезпечення високої якості реєстрації.

4. Структура даних:

• Стандартизація для полегшення аналізу та обміну інформацією.

5. Діагностичні обстеження:

• Оцінка з допомогою ІІ, що дає більш точні попередні результати.

6. Медичні зображення:

• Оптимізація часу через автоматизований аналіз ушкоджень.

7. Операції з підтримкою ІІ:

• Від підготовки і передопераційного нагляду за допомогою віртуальних асистентів до роботизованих операцій для більшої точності.

8. Дистанційний моніторинг:

• Впровадження телемедицини та біомаркерів для безперервного спостереження.

Цикл витрат та управління

ІІ не тільки оптимізує клінічні процеси, а й адміністративні. Це включає:

• Аналіз циклу витрат.
• Фінансове управління для максимізації доходів та зменшення зайвих витрат.

Виклики та можливості

1. Інтерактивність: Прийняття міжнародних стандартів для забезпечення ефективної комунікації між системами.
2. Безпека даних: Захист чутливої інформації пацієнтів.
3. Масштабованість: Впровадження ІІ рішень, що будуть стійкими до великих масштабів.

ІІ на всіх етапах системи

Штучний інтелект вже присутній на кожному етапі шляху пацієнта, від початкового діагнозу до дистанційного моніторингу. Однак його впровадження потребує стратегічного підходу, який враховує технологічні та етичні проблеми.

Історія Але: ІІ в дії

Але, студентка останнього курсу інженерії систем, отримала свою першу практику в приватній клініці, яка намагалася оцифрувати свої медичні процеси. З першого дня її керівник поставив перед нею термінове завдання: клініка потребувала оптимізувати потік інформації між відділами та покращити час відповіді при сортуванні пацієнтів.

Проблема

Реєстрація сортування все ще була ручною, а дані пацієнтів надходили запізно або з помилками до лікарів. Крім того, медичні зображення зберігались в ізольованих системах, що ускладнювало їхній аналіз. Клініка хотіла впровадити інтегровану цифрову систему з ІІ, але не знала, з чого почати.

План Але

Але вирішила підходити до цього завдання, застосовуючи концепції, які вона вивчила на курсі штучного інтелекту та в блозі, який вона нещодавно прочитала. Ось як вона це зробила:

1.
Зрозуміти поточну екосистему: Але створила карту існуючих систем, виявивши критичні точки, такі як відсутність інтерактивності та централізованої електронної медичної історії.
2. Запропонувати специфічні інструменти:

• FHIR (Fast Healthcare Interoperability Resources): Для забезпечення того, щоб дані могли бути обмінювані у стандартизованому вигляді між різними відділами.
• AWS Comprehend Medical: Інструмент для автоматичної обробки медичних історій і витягування релевантної інформації.
• TensorFlow: Для створення моделі ІІ, яка допомогла б у цифровому сортуванні, пріоритизуючи пацієнтів за рівнем тяжкості.

3. Автоматизувати сортування: Але розробила прототип за допомогою Python та Streamlit, інструмента для створення веб-інтерфейсів. Її модель ІІ могла обробляти початкові симптоми та пропонувати диференціальні діагнози. Вона інтегрувала це з автоматизованою системою запису за допомогою Google Calendar API.

4. Оптимізувати медичні зображення: Але використала Azure AI for Medical Imaging для аналізу ушкоджень на рентгенівських знімках, що допомогло лікарям заощаджувати час на початкових інтерпретаціях.

5. Тестування та розгортання: За допомогою Docker вона налаштувала тестове середовище для перевірки інтеграцій і забезпечення ефективної роботи систем перед фінальним розгортанням.

Вплив

Менше ніж за три місяці прототип Але дозволив клініці:

• Зменшити час відповіді на сортування на 40%.
• Автоматизувати створення медичних історій з точністю 90%.
• Інтегрувати медичні зображення в централізовану систему, доступну з будь-якого відділу.

Лікарі були вражені, а директор клініки привітав Але, яка була підвищена до посади молодшого аналітика в ІТ. Крім того, її керівник попросив її очолити проект більшого масштабу для впровадження ІІ в усій клініці.

Вивчений урок

Але зрозуміла, що ключем до успіху є не тільки технології, а й розуміння потреб екосистеми, пріоритетність інтерактивності та впровадження інструментів, які адаптовані до контексту клініки. Завдяки такому підходу вона перетворила складний виклик на можливість виділитися.

Перекладено з: Gestión de la información en salud con IA: Transformando el ecosistema