AI og fremtiden for helsevesenet

Både den industrialiserte og utviklingsverdenen står overfor utenforliggende demografiske endringer. Fødselsratene har nådd et minimum i noen av verdens største land, mens billioner av arbeidere forbereder seg på å gå av med pensjon.

Forskere og politikere har, over de siste to tiårene, begynt å aktivt søke etter måter å håndtere de økende helsekostnadene til eldre befolkninger. Over hele linjen har AI blitt sett på som den mest fordelsrike løsningen.

Ikke bare automatiserer kunstig intelligens grunnleggende oppgaver, og fjerner behovet for dyrt menneskelig inngripen i mange tilfeller, men den kan også brukes til å gi en større følelse av privatliv og diskresjon til pasienter. I tillegg kan implementeringer som settes i verk i dag forbedres over tid og tilpasse seg nye utfordringer som kan oppstå i fremtiden.

Denne artikkelen diskuterer noen mulige anvendelser av AI/ML-teknologier i helsevesenet. Ingen av disse ligger langt inn i fremtiden, og vil sannsynligvis være en del av markedet for kunstig intelligens i helsevesenet som forventes å vokse til 44,5 milliarder dollar i størrelse innen 2026.

Strømlinjeformet legemiddelutvikling

Hvert år bruker legemiddelindustrien nærmere 100 milliarder dollar på forskning og utvikling. Mange av kostnadene involvert i denne prosessen kan reduseres gjennom anvendelse av big data-analyseverktøy, inkludert neurale nettverk, til databaser som kategoriserer molekylærstrukturen til potensielle legemiddelkomponenter.

Denne strategien har spesielt vist seg å være løftende i situasjoner hvor tid er av essensen, som under pandemier. I 2015, under ebola-utbruddet i Øst-Afrika, brukte Universitetet i Toronto AI til å raskt prosessere en database med legemiddelkomponenter. Oppdagelsen av en behandling som tidligere ville ha krevd måneder eller år med analyse, ble oppnådd på mindre enn en dag.

Som det har blitt godt rapportert, har AI-analyse også vært avgjørende for utviklingen av COVID-19-vaksiner og behandlinger over de siste ett og et halvt året. Ettersom nye stammer av viruset dukker opp, fortsetter samme teknologi å bli anvendt.

Automatisert medisinsk dokumentasjon

Med de fleste klinikk- og sykehusjournaler allerede lagret i digitalt format, spiller EHR (‘elektroniske helsejournaler’) en viktig rolle i helsevesenet. Mens denne teknologien har gjort det lettere, raskere og ultimate billigere å få tilgang til pasientjournaler, kan den faktiske digitaliseringen av medisinsk dokumentasjon representere en betydelig byrde for tidspresede helsepersonell.

Naturleg språkprosesserings-teknologi (NLP) finnes nå som kan strømlinjeforme flere prosesser relatert til medisinsk datainnsamling og lagring. Mens talegjenkjenning og dikteringsprogramvare ikke er nytt i medisinen, forslag blir nå fremmet for å anvende kunstig intelligens-algoritmer som dokumenterer og analyserer hele medisinsk personells interaksjoner med pasienter.

En foreslått implementering av denne teknologien ville være å bruke AI og maskinlæring til å prosessere videoer som er innspilt med kameraer som ville bli båret av kliniske personer. I virkeligheten ville dette være ganske likt body-cams som bæres av mange politioffiserer i dag. Informasjon som er samlet inn i disse videoene kunne raskt bli indeksert og kombinert med annen medisinsk data for videre analyse.

Selvdiagnostikk

I noen deler av verden er helseklinikker og sykehus få og langt mellom. I andre kan det å ta tid av fra en travel dag for å se en lege for rutinekontroller synes å være en unødvendig besvær. For mennesker som bor i noen av disse situasjonene, kan alvorlige tilstander ofte forbli uoppdagede til det er for sent.

Heldigvis har de fleste mennesker i dag allerede en kraftig diagnostisk verktøy i lomma – mobiltelefonen. Kvaliteten på mobilkamera-bilder blir bedre hvert år, mens teknologien blir billigere å produsere. Bilder som er tatt med disse enhetene er absolutt anvendelige for analyse av AI-algoritmer.

Allerede har leger i regioner uten tilgang til klinisk kvalitetsbilde begynt å bruke bilder tatt med sine egne mobiltelefoner til å analysere pasienter. Faktisk brukes mobiltelefoner med maskinlæring-aktivert programvare nå til å diagnostisere hudkreft og melanomer med nøyaktighetsrater så høye som 90%. Forbruker-grad apper er allerede på markedet som kan tillate vanlige brukere å oppdage hudendringer på egen kropp.

Lignende teknologi blir anvendt på oftalmologi. Algoritmer har blitt utviklet og godkjent av den amerikanske FDA til å oppdage retinopati hos diabetikere gjennom fotoanalyse.

Chatbot-aktivert telemedisin

Alle har visse ting de foretrekker å holde private, og for mange er helse en av dem. Forsiktighet er absolutt forståelig når det gjelder å diskutere medisinske spørsmål med kolleger og kollegaer, men for noen mennesker kan det å kommunisere med helsepersonell synes å være skremmende.

Chatboter kan tilby en løsning for disse typene pasienter. Teknologien, som allerede aktivt brukes i telemedisin for timebestilling, reseptutfylling og triage, blir aktivt undersøkt som en måte å engasjere med individer som krever råd om grunnleggende, selvadministrert helse.

Faktisk forskere i Storbritannia fant at chatboter ville være det foretrukne valget for pasienter som møter mer stigmatiserende helseforhold, som kjønnssykdommer. Med større anonymitet vil pasienter være mer sannsynlig å søke hjelp for problemer som kan føre til større bekymringer senere, hvis de ikke blir behandlet.

Konklusjon

Anvendelseseksemplene for AI i helsevesenet som er omtalt i denne artikkelen representerer bare en svært liten del av hva som kan være mulig. Gående inn i det neste tiåret av Medtech-utvikling, er vi sikre på å oppdage en mengde banebrytende innovasjoner, noen av dem vi bare kan teoretisere om i dag.

Nøkkelen er da evnen til å omdanne teori til virkelighet. Hos Daiger spesialiserer vi oss på å omdanne teoretiske ideer relatert til AI og maskinlæring til handlinger som legger til verdi for bedrifter. Vennligst kontakt oss eller besøk vår nettside for å lære mer om våre tjenester.