كيف تُقَدِّم بيانات المرضى مستقبل الرعاية الصحية

يتجه سباق الذكاء الاصطناعي في الرعاية الصحية بشكل متزايد بعيدًا عن سؤال ما إذا كانت الآلات تستطيع توليد المعلومات الطبية وإلى سؤال أكثر أهمية: ماذا يحدث عندما يستطيع الذكاء الاصطناعي التعامل مع بيانات المرضى التي يمتلكها الأطباء والباحثون بالفعل؟

تشير ثلاثة تطورات حديثة إلى الاتجاه الذي قد يتجه إليه هذا التحول.

أولاً، ربطت OpenAI مؤخرًا ChatGPT for Healthcare ببيانات سجل المرضى الإلكتروني المصرح بها من Epic electronic health record data، مما يجلب سياقًا سريريًا مخصصًا للمريض إلى سير عمل الذكاء الاصطناعي وقد يقلل من الوقت الذي يقضيه الأطباء في البحث عبر السجلات الطبية المجزأة.  

بعد ذلك، PurpleLab، شركة بيانات وتحليلات في مجال الرعاية الصحية، فقط أطلقت CARES، مبادرة لدعم الأبحاث باستخدام كمية هائلة من بيانات الرعاية الصحية الواقعية. 

وأخيرًا، طوّر الباحثون في كلية الطب بجامعة هارفارد طوّروا نموذجًا للذكاء الاصطناعي يستخدم السجلات الصحية الحالية والمعلومات الجينية لتقدير خطر مئات الأمراض.

مجتمعين، يشيرون إلى ما تكهن به الكثيرون في مجال الرعاية الصحية منذ فترة طويلة: أن بيانات المرضى قد تكون أحد أكثر الأصول قيمة في صناعة الرعاية الصحية للابتكار في الرعاية. 

دعونا نلقي نظرة أعمق على كل من هذه الاختراقات الحديثة في بيانات المرضى. 

من سجلات المرضى الإلكترونية إلى المساعدين الذكائيين

في 1 سبتمبر، أعلنت OpenAI عن تكامل Epic لـ ChatGPT for Healthcare يتيح للمنظمات الصحية المصرح لها جلب معلومات المرضى إلى سير عمل مدعوم بالذكاء الاصطناعي.

يمكن لهذا التكامل مساعدة الأطباء في مراجعة معلومات مثل الملاحظات الطبية، الأدوية، نتائج المختبرات واللقاءات السابقة دون تجميع تاريخ المريض يدويًا من أجزاء مختلفة من السجل. 

النظام للقراءة فقط، مما يعني أن الذكاء الاصطناعي لا يغيّر السجل الطبي بشكل مستقل.

هذا التمييز مهم. الفرصة الفورية ليست استبدال السجل الإلكتروني للمرضى أو السماح لنظام الذكاء الاصطناعي باتخاذ قرارات بمفرده. بل هي تقليل الوقت الذي يقضيه الأطباء في العثور على المعلومات وتلخيصها.

تقوم OpenAI أيضًا بربط ChatGPT for Healthcare بالمصادر العامة الرسمية، بما في ذلك PubMed و ClinicalTrials.gov و DailyMed وبيانات CMS. 

الفكرة الأكبر هي دمج سياق المريض مع الأدلة الطبية الخارجية في نفس سير العمل.

جعل البيانات الواقعية أكثر فائدة للبحث

قامت PurpleLab، شركة بيانات وتحليلات تركز، من بين أمور أخرى، على الأدلة الواقعية (RWE) والبيانات الواقعية (RWD) في مجال الرعاية الصحية، مؤخرًا بإطلاق مركز تعزيز دراسات الأدلة الواقعية، أو CARES، مع تركيز على مساعدة الباحثين والمؤسسات الأكاديمية وشبكات الأدلة ومجتمعات المرضى على استخدام البيانات الواقعية بشكل أكثر فعالية.

الأهمية تتجاوز مجرد إتاحة المزيد من البيانات. 

واجه الباحثون في مجال الرعاية الصحية منذ زمن طويل مشاكل تتعلق بتعاريف غير متسقة، مجموعات بيانات مجزأة وصعوبة تكرار الدراسات السابقة.

تم تصميم CARES حول البحث القابل للتكرار، والطرق الشفافة، والشراكات الأكاديمية، والبحث المرتكز على المريض. 

تقول PurpleLab إن الباحثين يمكنهم العمل مع مجموعات بياناتها الواقعية لدراسة أنماط العلاج، والنتائج، وتكاليف الرعاية الصحية عبر مجالات تشمل الأورام، وأمراض القلب، والصحة النفسية، والأمراض النادرة.

إذا نجحت، قد تساعد مبادرات كهذه في تحويل المعلومات الصحية المتولدة بانتظام إلى أدلة تجيب على أسئلة لا تستطيع الدراسات السريرية التقليدية دائمًا معالجتها بسرعة.

«الأدلة الواقعية تكون أقوى عندما تكون صارمة، محكمة النظر من قبل الأقران، ومشاركة بصورة مفتوحة. من خلال PurpleLab CARES، نُظهر ما يمكن لبياناتنا أن تفعله في أيدي الباحثين والشركاء الأكاديميين ومجتمعات المرضى»، قال سكوت دوفال، نائب الرئيس الأول للأدلة الواقعية في PurpleLab، في بيان الشركة. 

التنبؤ بالمرض قبل ظهوره

في هارفارد، فرق البحث تحول بيانات المرضى إلى محركات تنبؤ. 

نموذج تعلم آلي طوّره الباحثون في معهد دانا-فاربر للسرطان ومستشفى ماساتشوستس العام يمكنه تقدير خطر المريض من 348 مرضًا باستخدام سجلات المرضى الإلكترونية المجمعة بانتظام إلى جانب المعلومات الجينية للمخاطر.

تم تدريب النموذج، المسمى Aladynoulli، والتحقق من صحته باستخدام بيانات من أكثر من 683,000 سجل مريض عبر ثلاث بنوك حيوية. 

يقول الباحثون إنه يمكنه تحديث تقييمات المخاطر بشكل ديناميكي مع تقدم المريض في العمر.

إمكاناته كبيرة. بدلاً من النظر إلى التاريخ الطبي كقيد لما حدث بالفعل فقط، يمكن للذكاء الاصطناعي أن يستخدمه بشكل متزايد لتحديد الأنماط المرتبطة بما قد يحدث لاحقًا.

لكن هنا تكون الحذر ضروريًا. تم تقييم النموذج حتى الآن باستخدام بيانات المرضى التاريخية، وهناك حاجة إلى مزيد من البحث قبل تحديد أدائه في البيئات السريرية الحقيقية.

التحدي الحقيقي هو الثقة

لذلك قد يعتمد مستقبل الذكاء الاصطناعي في الرعاية الصحية أقل على مدى روعة الخوارزمية، وأكثر على ما إذا كانت البيانات التي تدعمها دقيقة، ممثلة، آمنة، وتدار بمسؤولية.

يمكن لبيانات المرضى أن تكشف عن أنماط يصعب على البشر التعرف عليها عبر سنوات من التاريخ الطبي. لكن تلك السجلات نفسها تحتوي على بعض أكثر المعلومات حساسية التي يولدها الشخص.

مع ربط مؤسسات الرعاية الصحية لسجلات المرضى الإلكترونية (EHRs) وقواعد بيانات البحث وأنظمة الذكاء الاصطناعي، لن تكون السؤال الأساسي مجرد ما إذا كان الذكاء الاصطناعي يستطيع استخراج قيمة أكبر من بيانات المرضى.

بل سيكون ما إذا كان نظام الرعاية الصحية يستطيع فعل ذلك دون فقدان ثقة المرضى.

قد يحدد ذلك التوازن بين الحصول على معلومات أفضل والاستخدام المسؤول في النهاية مدى انتقال الذكاء الاصطناعي من مختبر البحث إلى الرعاية الصحية اليومية.