AI og fremtiden for sundhedspleje

Både den industrialiserede og udviklingsverden står over for uden precedent demografiske ændringer. Fødselsrater har nået et minimum i nogle af verdens største lande, mens bogstaveligt talt milliarder af arbejdere forbereder sig på at gå på pension.

Forskere og politikere har i de sidste to årtier begyndt at aktivt søge efter måder at tackle de stigende sundhedsomkostninger for aldrende befolkninger. Over hele brættet er AI blevet betragtet som den mest fordelagtige løsning.

Ikke kun automatiserer kunstig intelligens grundlæggende opgaver, fjerner behovet for dyrt menneskeligt indgreb i mange tilfælde, men den kan også bruges til at give en større fornemmelse af privatliv og diskretion til patienter. Desuden kan maskinel læring, gennemførelser, der er sat i gang i dag, forbedres med tiden og tilpasse sig nye udfordringer, der kan opstå i fremtiden.

Denne artikel diskuterer nogle mulige anvendelser af AI/ML-teknologier i sundhedspleje. Intet, der beskrives nedenfor, ligger meget langt ude i fremtiden, og vil sandsynligvis være en del af sundhedsartificielle intelligensmarkedet, der forventes at vokse til 44,5 milliarder dollars i størrelse inden 2026.

Strømlinet farmaceutisk udvikling

Hvert år bruger farmaceutindustrien næsten 100 milliarder dollars på forskning og udvikling. Mange omkostninger, der er involveret i denne proces, kan reduceres gennem anvendelsen af big data analytics-værktøjer, herunder neurale netværk, til databaser, der kategoriserer de molekylære strukturer af potentielle lægemiddelkomponenter.

Denne strategi har især vist løfte i situationer, hvor tiden er af største betydning, såsom under pandemier. I 2015, under Ebola-udbruddet i Østafrika, brugte University of Toronto AI til at hurtigt behandle en database af farmaceutiske forbindelser. Opdagelsen af en behandling, der ellers ville have krævet måneder eller endda år af analyse, blev opnået på under en dag.

Som det er godt rapporteret, har AI-analyse også været integreret i udviklingen af COVID-19-vacciner og -behandlinger i løbet af det sidste år og halvt. Da nye stammer af virusset viser sig, anvendes den samme teknologi fortsat.

Automatiseret medicinsk dokumentation

Med de fleste klinik- og hospitalsjournaler allerede gemt i digital format, spiller EHR’er (‘elektroniske sundhedsjournaler’) en vigtig rolle i sundhedspleje. Selvom denne teknologi har gjort det lettere, hurtigere og ultimativt billigere at få adgang til patientjournaler, kan den faktiske digitalisering af medicinsk dokumentation repræsentere en betydelig byrde for tidspresede sundhedsydelere.

Naturlig sprogbehandling (NLP)-teknologi findes i dag, der kan strømline flere processer i forbindelse med medicinsk dataindsamling og -lagring. Selvom talegenkendelse og dikteringssoftware ikke er noget nyt i medicin, forslag fremlægges nu for at anvende kunstig intelligens-algoritmer, der dokumenterer og analyserer det samlede omfang af medicinske fagfolks interaktioner med patienter.

En foreslået implementering af denne teknologi ville være at bruge AI og maskinlæring til at behandle videooptagelser, der er optaget med kameraer, der ville blive båret af kliniske medarbejdere. I virkeligheden ville dette være ret lig body-cams, der bæres af mange politibetjente i dag. Information indsamlet i disse videooptagelser kunne hurtigt blive indekseret og kombineret med andre medicinske data til yderligere analyse.

Selvdiagnostik

I nogle dele af verden er sundhedscentre og hospitaler få og langt imellem. I andre kan det at tage tid ud af en travl dag til at se en læge for rutinemæssige kontroller synes at være en unødvendig besvær. For mennesker, der bor i enten af disse situationer, kan alvorlige tilstande ofte ikke opdages, før det er for sent.

Heldigvis har de fleste mennesker i dag allerede en kraftfuld diagnostisk værktøj i deres lommer – deres smartphones. Kvaliteten af mobiltelefonkameraoptagelser bliver bedre hvert år, mens teknologien bliver billigere at producere. Billeder, der tages med disse enheder, er bestemt egnet til analyse af AI-algoritmer.

Allerede har læger i regioner uden adgang til klinisk kvalitetsbilleder begyndt at bruge billeder, der er taget med deres egne mobiltelefoner, til at analysere deres patienter. Faktisk bliver smartphones med maskinlæring-baseret software i øjeblikket brugt til at diagnostisere hudkræft og melanomer med nøjagtighedsgrader op til 90%. Forbruger-grad apps er allerede på markedet, der kan tillade almindelige brugere at opdage hudforandringer på deres egne kroppe.

Lignende teknologi bliver anvendt i øjensygdomme. Algoritmer er blevet udviklet og godkendt af den amerikanske FDA til at opdage retinopati hos diabetikere gennem fotoanalyse.

Chatbot-aktiveret telemedicin

Alle har visse ting, de foretrækker at holde private, og for mange er sundhed en af dem. Forsigtighed er bestemt forståelig, når det kommer til at diskutere medicinske spørgsmål med kollegaer og kolleger, men for nogle mennesker kan det endda synes intimiderende at kommunikere med sundhedsprofessionelle.

Chatbots kan måske tilbyde en løsning for disse patienter. Teknologien, der allerede aktivt bruges i telemedicin til aftaleplanlægning, receptgeninding og triage, undersøges aktivt som en måde at engagere med personer, der kræver råd om grundlæggende, selvadministreret sundhedspleje.

Faktisk forskere i Storbritannien fandt, at chatbots ville være det foretrukne valg for patienter, der står over for mere stigmatiserende sundhedsforhold, såsom kønssygdomme. Med større anonymitet vil patienter være mere tilbøjelige til at søge hjælp for problemer, der ellers kan føre til større bekymringer længere nede ad vejen, hvis de ikke behandles.

Konklusion

De anvendelser af AI i sundhedspleje, der er beskrevet i denne artikel, repræsenterer kun en meget lille udvalg af, hvad der måske kan være muligt. Gående ind i det næste årti af Medtech-udvikling er vi sikre på at opdage en mængde banebrydende innovationer, nogle af dem kan vi kun teorere om i dag.

Nøglen er således evnen til at omdanne teori til virkelighed. Hos Daiger specialiserer vi os i at omdanne teoretiske ideer relateret til AI og maskinlæring til handlebare løsninger, der tilføjer værdi til virksomheder. Kontakt os eller besøg vores website for at lære mere om vores tjenester.