Generatywna sztuczna inteligencja w opiece zdrowotnej: przykłady, korzyści, przypadki użycia
Opublikowany: 2023-08-08Ogromna popularność ChatGPT OpenAI zapoczątkowała wyścig o włączenie generatywnej sztucznej inteligencji do aplikacji stosowanych w gałęziach przemysłu. Opieka zdrowotna jest jednym z wiodących podmiotów.
Według McKinsey & Company generatywna sztuczna inteligencja w opiece zdrowotnej może pomóc odblokować część niezrealizowanego 1 biliona dolarów potencjalnej poprawy w branży poprzez automatyzację pracy, która jest podatna na błędy, dostarczanie lekarzom dużej ilości danych w ciągu kilku sekund oraz modernizację infrastruktury zdrowotnej.
Przykłady generatywnej sztucznej inteligencji w służbie zdrowia
Chociaż firmy z branży opieki zdrowotnej korzystają z technologii sztucznej inteligencji od lat — przewidywanie zdarzeń niepożądanych, optymalizacja planowania sal operacyjnych i łączenie danych pacjentów w celu uzyskania lepszych wyników to tylko trzy przykłady — sztuczna inteligencja w opiece zdrowotnej obiecuje jeszcze głębszą transformację branży.
Oto kilka najnowszych przykładów sztucznej inteligencji w opiece zdrowotnej:
- W lipcu Amazon Web Services (AWS) ogłosił wprowadzenie usługi o nazwie AWS HealthScribe, która wykorzystuje rozpoznawanie mowy i generatywną sztuczną inteligencję, aby oszczędzać czas lekarzy poprzez generowanie dokumentacji klinicznej.
- Według „Wall Street Journal” Google testuje technologię chatbota medycznego o nazwie Med-PaLM 2 w May Clinic i innych szpitalach. Opierając się na technologii modelu dużego języka (LLM), stanowiącej podstawę własnego konwersacyjnego chatbota AI Bard, Med-PaLM 2 ma na celu dokładniejsze i bezpieczniejsze odpowiadanie na pytania medyczne.
- Microsoft , jeden z głównych inwestorów w OpenAI, firma stojąca za ChatGPT, współpracuje z Epic Systems w celu zintegrowania technologii generatywnej sztucznej inteligencji z jej elektroniczną dokumentacją medyczną (EHR). Spółka zależna Microsoftu, Nuance Communications, ogłosiła także wprowadzenie w pełni zautomatyzowanej aplikacji do dokumentacji klinicznej, która łączy sztuczną inteligencję konwersacyjną i otoczenia z GPT-4, najnowszą wersją LLM obsługującą ChatGPT.
83% najbardziej innowacyjnych firm z branży opieki zdrowotnej na świecie korzysta z rozwiązań SAP.
Wykorzystywanie danych w jednej z branż wymagających największej ilości danych
Niezwykłe jest obserwowanie takiego wzrostu w opiece zdrowotnej – konserwatywnej branży, która notorycznie jest jedną z ostatnich, która wdraża nowe technologie. Jest to szczególnie prawdziwe, gdy weźmiemy pod uwagę, jak rygorystyczne przepisy dotyczące prywatności, takie jak ustawa o odpowiedzialności za przenośność ubezpieczeń zdrowotnych (HIPAA), zwykle zniechęcają do udostępniania danych.
Jednak opieka zdrowotna to także jedna z branż przetwarzających najwięcej danych.
Mówi się, że przeciętny szpital produkuje rocznie około 50 petabajtów danych, co daje w sumie około 12,5 biliona cyfrowych kopii Biblii Króla Jakuba. Co więcej, według doniesień ilość danych generowanych w opiece zdrowotnej rośnie o 47% rocznie, co stanowi znaczący wynik dla każdej branży.
Wszystkie te dane muszą zostać przez kogoś zarejestrowane, co zajmuje dużo czasu. Wiele z nich mogłoby być niezwykle przydatnych do poprawy efektywności organizacji opieki zdrowotnej oraz do zapewniania aktualnych informacji i porad medycznych potrzebującym pacjentom.
Jednak dobre wykorzystanie tych danych jest prawie niemożliwe, ponieważ jest ich o wiele za dużo, aby ludzie i starsze technologie mogły sobie z nimi poradzić.
Tutaj w grę wchodzi sztuczna inteligencja. Opierając się na algorytmach głębokiego uczenia się do tworzenia nowego tekstu, dźwięku, kodu i innych treści, można je zoptymalizować pod kątem prywatności, a następnie lassować ogromne ilości nieustrukturyzowanych informacji medycznych, aby zaoszczędzić czas i pieniądze, jednocześnie odblokowując nieograniczone możliwości biznesowe i kliniczne.
Zaangażowanie pacjentów w opiekę zdrowotną: wyobrażanie sobie lepszej, odważniejszej przyszłości
W Stanach Zjednoczonych zarówno płatnicy, jak i dostawcy usług opieki zdrowotnej stoją przed niezliczoną liczbą krytycznych i pilnych wyzwań. Czy jesteś przygotowany?
Medycyna spersonalizowana, szybsze diagnozy i nie tylko
Według analityka IDC Health Insights Lynne Dunbrack, organizacje z branży opieki zdrowotnej dostrzegają ten potencjał i jest to jeden z powodów, dla których 64,8% z nich bada scenariusze generatywnej sztucznej inteligencji, a 34,9% już w nie inwestuje.
„Istnieje zapotrzebowanie na technologię, która umożliwi realizację kluczowych priorytetów, takich jak poprawa komfortu pacjentów, poprawa zdrowia populacji i redukcja kosztów” – mówi Dunbrack.
Mówiąc dokładniej, analitycy twierdzą, że generatywna sztuczna inteligencja może stać się integralną częścią rozwiązania szeregu typowych potrzeb w branży opieki zdrowotnej, w tym:
- Medycyna spersonalizowana : Generatywna sztuczna inteligencja może agregować i analizować ogromne ilości danych pacjentów, aby dostarczać dostosowane do indywidualnych potrzeb zalecenia dotyczące leków i terapii w celu usprawnienia leczenia.
- Analiza obrazowania medycznego : LLM doskonale radzą sobie również z interpretacją obrazów medycznych, takich jak MRI, tomografia komputerowa i zdjęcia rentgenowskie. Automatyzacja analizy obrazu mogłaby umożliwić lekarzom szybsze i dokładniejsze wykrywanie problemów, poprawiając diagnostykę i ogólną opiekę.
- Sporządzanie notatek klinicznych: Szereg narzędzi, takich jak HealthScribe firmy AWS, prawdopodobnie będzie próbował rozwiązać odwieczny problem lekarzy, którzy nie mają zbyt wiele czasu na sporządzanie odpowiednich, szczegółowych notatek z wizyt pacjentów, a następnie muszą wprowadzać je do EHR. Narzędzia AI mogą rozwiązać ten problem, wykorzystując rozpoznawanie mowy i głębokie uczenie się do szybkiej i skutecznej automatyzacji tych procesów.
- Odkrywanie i rozwój leków : generatywną sztuczną inteligencję można również wykorzystać do przyspieszenia odkrywania leków poprzez symulację interakcji molekularnych i przewidywanie potencjalnych kandydatów na leki. Wykorzystuje się go również do przyspieszenia zatwierdzania leków przez organy regulacyjne. Na przykład firma Insilico Medicine twierdzi, że nie tylko wykorzystała własną platformę sztucznej inteligencji do odkrycia metody leczenia idiopatycznego zwłóknienia płuc, często występującej choroby układu oddechowego, ale zastosowała ją na każdym etapie przedklinicznego procesu odkrywania leku. Insilico twierdzi, że wykonanie tego tradycyjnymi metodami byłoby zwykle wydatkiem przekraczającym 400 milionów dolarów, ale spodziewa się, że uda się to osiągnąć za około jedną dziesiątą tych kosztów w przypadku generatywnej sztucznej inteligencji.
- Wirtualni asystenci ds. zdrowia : wiele z pierwszych generatywnych chatbotów AI dla opieki zdrowotnej będzie koncentrować się na zapewnianiu szybszych i lepszych odpowiedzi na pytania pacjentów w bardziej efektywny sposób, 24 godziny na dobę. Na przykład UNC Health korzysta z generatywnych narzędzi sztucznej inteligencji firmy Epic, aby pomóc przeciążonym lekarzom radzić sobie z natłokiem nadchodzących wiadomości.
- Usprawnienie roszczeń ubezpieczeniowych : Generatywna sztuczna inteligencja pomaga również usprawnić roszczenia z tytułu ubezpieczenia medycznego składane przez pacjentów (lub wnioski o wstępną autoryzację składane przez gabinety lekarskie), automatyzując pobieranie i przetwarzanie dokumentacji pacjentów, zmniejszając w ten sposób presję na personel call center. Ponadto może przyspieszyć rozpatrywanie roszczeń, identyfikując potencjalnie fałszywe zgłoszenia poprzez wykrywanie podejrzanych wzorców i anomalii.
Generatywna sztuczna inteligencja jako technologia jest wciąż w powijakach, pomimo całego początkowego szumu, dlatego nie można przewidzieć, czy obecne skupienie się na opiece zdrowotnej będzie się utrzymywać. Ale jedno jest jasne: biorąc pod uwagę, że w przestrzeń kosmiczną wpompowano tak wiele miliardów dolarów, trend ten nie ulegnie szybko zmianie.