의사의 역할을 대체하는 것이 아니라 보완하는 AI – 사상가들

도그 티니, 코린더스의 전 최고운영책임자이자 혁신 고문

인공 지능과 의료 분야에서의 응용은 지난 몇 년 동안 크게 성장했습니다. 인공 지능 기술은 이전보다 더 많은 의료 제공자에게 널리 उपलब해졌으며, 특히 의사가 예외적인 통찰력과 전망을 요구하는 로봇 지원 절차와 같은 복잡한 분야에서 큰 기회를 제공합니다. 그러나 여전히 인공 지능이 성숙함에 따라 의사의 역할을 대체할 것이라는 믿음이 있습니다. 하지만 이는 사실과 거리가 먼 것입니다.

실제로 인공 지능은 의사에게 새로운 지식과 능력을 제공하여 임상 의사 결정과 더 긍정적인 환자 결과를 개선합니다. 의사는 기술적으로 심장 속으로 와이어를 조종하는 것에 대한 주의를 홀리스틱하게 케이스 전략과 최상의 결과를 달성하는 방법에 대한 주의로 전환할 수 있습니다. 로봇 지원 절차 환경에서 인공 지능을 사용하면 의사가 접근하여 모든 케이스를 해결할 수 있는 역사적인 임상 및 절차 지식의 백과사전을 구축할 수 있습니다. 컴퓨터 비전과 같은 기능을 통합하면 현재의 표준 치료를 혁신적으로 변화시키고, 의사에게 복잡성을 예측하고 방지하는 강력한 도구를 제공할 것입니다. 모든 것이 의사의 주도 아래에서 수행되며, 의사의 주의를 다른 요소에서 빼앗는 특정 작업을 자동화합니다.

데이터 기반 통찰력과 기계 학습을 통해 기초를 마련하다

오늘날 의사들은 주로 개인적인 경험과 개인의 의사 결정 능력에 의존합니다. 이는 의사의 훈련, 수행한 절차의 수, 기타 요인에 따라 다를 수 있습니다. 인공 지능은 의사에게 새로운 데이터와 정보를 제공하여 의사에게 이전에 사용할 수 없었던 통찰력을 제공합니다. 특히 로봇을 사용하는 복잡한 절차 환경에서 이러한 통찰력이 특히 유용합니다. 이러한 경우 로봇 장치가 역사적인 데이터 저장소에 연결되어 있을 때 인공 지능은 이전에 의사에게 사용할 수 없었던 통찰력을 제공하여 지식 격차를 채웁니다. 의사가 자신의 경험을 넘어서서 수천 개의 유사한 케이스에서 얻은 통찰력을 접근할 수 있게 되면, 이러한 복잡한 절차와 관련된 일부 위험을 완화할 수 있습니다.

기계 학습을 통해 로봇 시스템이 경험에서 학습하고 새로운 입력에 적응할 수 있습니다. 그 결과 로봇은 세계 최고의 의사들이 사용하는 동일한 기술을 자동화하여 복잡한 케이스에서 발생하는 도전을 해결할 가능성이 높아집니다. 궁극적으로 이는 의사가 케이스 전략에 주의를 집중하고 복잡성을 더 효과적으로 대응할 수 있게 합니다. 이는 2000년대 초반에 데이터가 프로 야구의 풍경을 어떻게 변화시켰는지를 보여주는 머니볼 책과 유사합니다. 이 책은 데이터 기반 접근 방식을 사용하여 팀을 구축한 오클랜드 애슬레틱스와 빌리 비恩 매니저의 이야기를 다룹니다. 이 모델은 큰 성공을 거두었고 데이터에 의해 주도되는 새로운 게임 시대를 효과적으로 촉발했습니다.

의료 분야에서 기계 학습으로 구동되는 절차 지식 데이터베이스는 의사에게 유사한 통찰력을 제공하여 의사에게 이전에 사용할 수 없었던 귀중한 정보를 제공합니다. 수천 개의 유사한 케이스와 비교하여 환자를 볼 수 있는 능력은 의사가 케이스를 다루는 방법에 대해 더 나은, 더 정보에 기반한 의사 결정을 내릴 수 있게 합니다.

다음 단계: 컴퓨터 비전과 고도 자동화

로봇 지원 절차 환경에서 인공 지능의 전체 잠재력은 데이터 기반 통찰력과 기계 학습이 컴퓨터 비전과 결합될 때 완전히 실현됩니다. 로봇 시스템은 풍부한 이미지 데이터를 기반으로 상황을 지능적으로 식별하고 응답할 수 있습니다. 심장 혈관 중재에서 절차 시간의 상당한 부분은 와이어 조작에 할애되며, 이는 많은 경우 시도와 오류의 방법입니다. 이 방법은 의도하지 않게 의료 기기를 배치하거나 절차 시간을 연장하여 의사와 환자에게 방사선 노출을 증가시킬 수 있습니다.

그러나 자동화 시스템이 효과적인 움직임을 학습하고 지식 기반 규칙을 생성함에 따라 우리는 컴퓨터 비전을 사용하여 절차의 더 큰 부분을 자동화할 수 있습니다. 컴퓨터 비전은 또한 시스템이 발생하기 전에 복잡성을检测하고 자동으로 교정 조치를 수행하여 기기를 전달하고 환자에게 피해를 방지할 수 있습니다.

중요한 것은 자동화가 산업에 관계없이 스펙트럼에 있다는 것입니다. 자동차 산업은 좋은 예입니다. 오늘날의 많은 자동차에는 브레이크 보조, 적응형 크루즈 제어 및 차선 유지 보조와 같은 낮은 수준의 자동화가 있습니다.另一方面, 테슬라와 같은 제조업체는 모든 안전 관련 기능을 자동화하여 운전자가 더 적은 동작을 수행하도록 하지만, 여전히 운전자가 필요합니다. 의료 분야의 자동화도 마찬가지입니다. 궁극적으로 인공 지능 기반 자동화는 의사를 운전석에 둔 채로 의사의 주의를 빼앗는 특정 작업을 자동화합니다.

의사를 중심에 두다

인공 지능과 자동화가 의사의 역할을 대체할 것이라는 우려는 근거가 없으며, 의료 분야에서 인공 지능과 기계 학습을 어떻게 사용하고 있는지에 대한 전체적인 이해가 부족합니다. 자율 주행 자동차가 운전手を 필요로 하는 것과 마찬가지로, 우리는 개발 중인 자동화된 중재 절차도 의사의 지도를 필요로 할 것입니다. 그러나 디지털 백과사전은 전 세계에서 가장熟練한 의사들의 경험을 기반으로 구축되며, 자동화는 절차를 매우 높은 품질 수준으로 표준화하여, 로봇 자동화의 궁극적인 목표인 케이스를 더 안전하고 빠르고 효과적으로 만드는 것을 달성하면서 환자에게 가하는 트라우마를 줄입니다.