Generative AI ในการดูแลสุขภาพ: ตัวอย่าง คุณประโยชน์ กรณีใช้งาน
เผยแพร่แล้ว: 2023-08-08ChatGPT ของ OpenAI ที่ได้รับความนิยมอย่างล้นหลามได้จุดประกายการแข่งขันเพื่อรวม generative AI เข้ากับแอปพลิเคชันที่ใช้ในอุตสาหกรรม การดูแลสุขภาพเป็นหนึ่งในผู้ที่เป็นผู้นำ
Generative AI ในการดูแลสุขภาพสามารถช่วยปลดล็อกชิ้นส่วนของการปรับปรุงศักยภาพในอุตสาหกรรมมูลค่า 1 ล้านล้านดอลลาร์ที่ยังไม่เกิดขึ้นจริง โดยการทำงานอัตโนมัติที่มีแนวโน้มที่จะเกิดข้อผิดพลาด การให้ข้อมูลจำนวนมากแก่แพทย์ในเวลาไม่กี่วินาที และปรับปรุงโครงสร้างพื้นฐานด้านสุขภาพให้ทันสมัย ตามข้อมูลของ McKinsey & Company
ตัวอย่างของ generative AI ในการดูแลสุขภาพ
แม้ว่าธุรกิจด้านการดูแลสุขภาพใช้เทคโนโลยี AI มาหลายปีแล้ว แต่การคาดการณ์เหตุการณ์ไม่พึงประสงค์ การเพิ่มประสิทธิภาพการจัดตารางการผ่าตัด และ การเชื่อมต่อข้อมูลผู้ป่วยเพื่อขับเคลื่อนผลลัพธ์ที่ดีขึ้น คือสามตัวอย่าง แต่ AI ในด้านการดูแลสุขภาพสัญญาว่าจะมีการเปลี่ยนแปลงที่ลึกซึ้งยิ่งขึ้นสำหรับอุตสาหกรรม
นี่คือตัวอย่างล่าสุดของ AI ในการดูแลสุขภาพ:
- Amazon Web Services (AWS) ในเดือนกรกฎาคมได้ประกาศบริการที่เรียกว่า AWS HealthScribe ซึ่งใช้การรู้จำคำพูดและ AI กำเนิดเพื่อประหยัดเวลาของแพทย์ด้วยการสร้างเอกสารทางคลินิก
- Google กำลังทดสอบเทคโนโลยีแชทบอททางการแพทย์ที่เรียกว่า Med-PaLM 2 ที่ May Clinic และโรงพยาบาลอื่นๆ ตามรายงานของ Wall Street Journal ด้วยเทคโนโลยีโมเดลภาษาขนาดใหญ่ (LLM) ซึ่งเป็นรากฐานของแชทบอท AI ที่สร้างการสนทนาของ Google เอง Med-PaLM 2 มีเป้าหมายที่จะตอบคำถามทางการแพทย์ได้แม่นยำและปลอดภัยยิ่งขึ้น
- Microsoft หนึ่งในนักลงทุนรายใหญ่ใน OpenAI ซึ่งเป็นบริษัทที่อยู่เบื้องหลัง ChatGPT กำลังร่วมมือกับ Epic Systems เพื่อรวมเทคโนโลยี generative AI เข้ากับบันทึกสุขภาพอิเล็กทรอนิกส์ (EHR) บริษัทในเครือ Nuance Communications ของ Microsoft ยังได้ประกาศแอปพลิเคชันเอกสารทางคลินิกแบบอัตโนมัติเต็มรูปแบบที่รวมการสนทนาและ AI โดยรอบเข้ากับ GPT-4 ซึ่งเป็นเวอร์ชันล่าสุดของ LLM ที่ขับเคลื่อน ChatGPT
83% ของ บริษัทด้านการดูแลสุขภาพที่มีนวัตกรรมมากที่สุดในโลก ใช้โซลูชัน SAP
การควบคุมข้อมูลในอุตสาหกรรมที่มีข้อมูลเข้มข้นที่สุดแห่งหนึ่ง
เพื่อเป็นสักขีพยานในการดูแลสุขภาพ อุตสาหกรรมอนุรักษ์นิยมซึ่งเป็นที่รู้จักอย่างฉาวโฉ่ในอุตสาหกรรมสุดท้ายที่เปิดรับเทคโนโลยีใหม่ ๆ ถือเป็นเรื่องที่น่าทึ่ง โดยเฉพาะอย่างยิ่งเมื่อเราพิจารณาว่ากฎระเบียบด้านความเป็นส่วนตัวที่เข้มงวดเช่น Health Insurance Portability Accountability Act (HIPAA) มีแนวโน้มที่จะขัดขวางการแบ่งปันข้อมูลอย่างไร
แต่การดูแลสุขภาพก็เป็นหนึ่งในอุตสาหกรรมที่ต้องใช้ข้อมูลมากที่สุด
กล่าวกันว่าโรงพยาบาลโดยเฉลี่ยผลิตข้อมูลประมาณ 50 เพตาไบต์ทุกปี ซึ่งรวมกันเป็นสำเนาดิจิทัลของพระคัมภีร์ฉบับคิงเจมส์ถึงประมาณ 12.5 ล้านล้านสำเนา ยิ่งไปกว่านั้น ปริมาณข้อมูลที่สร้างขึ้นในด้านการดูแลสุขภาพมีรายงานว่าเพิ่มขึ้น 47% ต่อปี ซึ่งถือเป็นคลิปสำคัญสำหรับทุกอุตสาหกรรม
ข้อมูลทั้งหมดนั้นจะต้องถูกบันทึกโดยใครสักคน ซึ่งใช้เวลานานพอสมควร หลายๆ อย่างอาจเป็นประโยชน์อย่างยิ่งในการปรับปรุงประสิทธิภาพขององค์กรด้านการดูแลสุขภาพ และการให้ข้อมูลทางการแพทย์และคำแนะนำแก่ผู้ป่วยที่ต้องการความช่วยเหลืออย่างทันท่วงที
อย่างไรก็ตาม การใช้ข้อมูลนั้นให้เกิดประโยชน์นั้นเป็นไปไม่ได้เลย เนื่องจากมีข้อมูลมากเกินไปที่มนุษย์และเทคโนโลยีรุ่นเก่าจะจัดการได้
นี่คือจุดที่ AI เข้ามามีบทบาท ด้วยการอาศัยอัลกอริธึมการเรียนรู้เชิงลึกเพื่อสร้างข้อความ เสียง รหัส และเนื้อหาอื่นๆ ทำให้สามารถปรับให้เหมาะสมเพื่อความเป็นส่วนตัว จากนั้นจึงรวมข้อมูลทางการแพทย์ที่ไม่มีโครงสร้างจำนวนมากเพื่อประหยัดเวลาและเงิน ในขณะเดียวกันก็ปลดล็อกธุรกิจและความเป็นไปได้ทางคลินิกที่ไม่มีที่สิ้นสุด
การมีส่วนร่วมของผู้ป่วยด้านการดูแลสุขภาพ: จินตนาการถึงอนาคตที่ดีกว่าและโดดเด่นยิ่งขึ้น
ในสหรัฐอเมริกา ทั้งบริษัทผู้จ่ายเงินและผู้ให้บริการด้านการดูแลสุขภาพกำลังเผชิญกับความท้าทายที่สำคัญและเร่งด่วนมากมาย คุณพร้อมหรือยัง?
ยาเฉพาะบุคคล การวินิจฉัยที่รวดเร็ว และอื่นๆ อีกมากมาย
องค์กรด้านการดูแลสุขภาพมองเห็นศักยภาพนี้ ซึ่งเป็นเหตุผลหนึ่งว่าทำไม 64.8% ขององค์กรเหล่านี้จึงสำรวจสถานการณ์ AI เชิงสร้างสรรค์ และ 34.9% กำลังลงทุนในสถานการณ์เหล่านี้แล้ว ตามที่ Lynne Dunbrack นักวิเคราะห์ข้อมูลเชิงลึกด้านสุขภาพของ IDC กล่าว
“มีความต้องการเทคโนโลยีเพื่อจัดการกับลำดับความสำคัญที่สำคัญ เช่น การยกระดับประสบการณ์ของผู้ป่วย การปรับปรุงสุขภาพของประชากร และการลดต้นทุน” Dunbrack กล่าว
โดยเฉพาะอย่างยิ่ง นักวิเคราะห์กล่าวว่า generative AI อาจกลายเป็นส่วนสำคัญในการตอบสนองความต้องการทั่วไปในอุตสาหกรรมการดูแลสุขภาพ ซึ่งรวมถึง:
- การแพทย์เฉพาะบุคคล : Generative AI สามารถรวบรวมและวิเคราะห์ข้อมูลผู้ป่วยจำนวนมาก เพื่อให้คำแนะนำด้านยาและการบำบัดที่ปรับให้เหมาะสมเพื่อปรับปรุงการรักษา
- การวิเคราะห์ภาพทางการแพทย์ : LLM ยังเชี่ยวชาญในการตีความภาพทางการแพทย์ เช่น MRI, CT scan และ X-rays การวิเคราะห์ภาพอัตโนมัติช่วยให้แพทย์ตรวจพบปัญหาได้รวดเร็วและแม่นยำยิ่งขึ้น ปรับปรุงการวินิจฉัยและการดูแลโดยรวม
- การจดบันทึกทางคลินิก: อาร์เรย์ของเครื่องมือ เช่น HealthScribe ของ AWS มีแนวโน้มที่จะพยายามแก้ไขปัญหาที่เก่าแก่ของแพทย์ที่มีเวลาจำกัดเกินกว่าจะจดบันทึกรายละเอียดที่เหมาะสมเกี่ยวกับการเยี่ยมผู้ป่วย จากนั้นจึงต้องป้อนลงใน EHR เครื่องมือ AI สามารถบรรเทาความยุ่งยากดังกล่าวได้โดยใช้การรู้จำเสียงพูดและการเรียนรู้เชิงลึกเพื่อทำให้กระบวนการเหล่านี้เป็นอัตโนมัติอย่างรวดเร็วและมีประสิทธิภาพ
- การค้นพบและการพัฒนายา : Generative AI ยังสามารถใช้เพื่อเร่งการค้นพบยาโดยการจำลองปฏิกิริยาระหว่างโมเลกุลและทำนายตัวเลือกยาที่เป็นไปได้ นอกจากนี้ยังใช้เพื่อเร่งการอนุมัติยาตามกฎระเบียบอีกด้วย ตัวอย่างเช่น Insilico Medicine กล่าวว่าบริษัทไม่เพียงแต่ใช้แพลตฟอร์ม AI ของตัวเองในการค้นหาวิธีการรักษาโรคปอดเรื้อรังที่ไม่ทราบสาเหตุ ซึ่งเป็นโรคระบบทางเดินหายใจเท่านั้น แต่ยังได้นำไปใช้กับแต่ละขั้นตอนของกระบวนการค้นพบยาพรีคลินิกอีกด้วย Insilico กล่าวว่าการทำเช่นนี้ด้วยวิธีการแบบเดิมมักจะมีค่าใช้จ่ายมากกว่า 400 ล้านดอลลาร์ แต่คาดว่าจะบรรลุเป้าหมายนี้ด้วยต้นทุนประมาณหนึ่งในสิบของค่าใช้จ่ายนั้นด้วย generative AI
- ผู้ช่วยด้านสุขภาพเสมือนจริง : แชทบอท AI รุ่นแรก ๆ จำนวนมากสำหรับการดูแลสุขภาพจะมุ่งเน้นไปที่การให้คำตอบที่รวดเร็วและดียิ่งขึ้นสำหรับคำถามของผู้ป่วยอย่างมีประสิทธิภาพตลอด 24 ชั่วโมง ตัวอย่างเช่น UNC Health กำลังใช้เครื่องมือ AI เจนเนอเรชั่นของ Epic เพื่อช่วยให้แพทย์ที่ทำงานหนักเกินไปรับมือกับข้อความที่ล้นหลามที่กำลังเข้ามา
- เพิ่มความคล่องตัวในการเรียกร้องประกัน : Generative AI ยังช่วยปรับปรุงประสิทธิภาพการเรียกร้องค่าประกันสุขภาพจากผู้ป่วย (หรือการร้องขอการอนุญาตล่วงหน้าจากสำนักงานแพทย์) โดยการดึงข้อมูลและประมวลผลบันทึกผู้ป่วยโดยอัตโนมัติ ซึ่งช่วยลดแรงกดดันต่อเจ้าหน้าที่ศูนย์บริการทางโทรศัพท์ นอกจากนี้ยังสามารถช่วยเร่งการพิจารณาข้อเรียกร้องในขณะที่ระบุการส่งที่อาจเป็นการฉ้อโกงโดยการตรวจจับรูปแบบและความผิดปกติที่น่าสงสัย
Generative AI ในฐานะเทคโนโลยียังอยู่ในช่วงเริ่มต้น แม้ว่าจะมีกระแสเกินจริงในช่วงแรกๆ ก็ตาม ดังนั้นจึงเป็นไปไม่ได้ที่จะคาดเดาได้ว่าการมุ่งเน้นที่การดูแลสุขภาพในปัจจุบันจะยังคงอยู่หรือไม่ แต่มีสิ่งหนึ่งที่ชัดเจน: ด้วยเม็ดเงินหลายพันล้านดอลลาร์ที่ถูกอัดฉีดเข้าไปในอวกาศ แนวโน้มนี้จะไม่ล่าช้าในเร็วๆ นี้