AI, Doktorları Değiştirmek İçin Değil, Güçlendirmek İçin Var – Düşünce Liderleri

Doug Teany, İnovasyon Danışmanı ve Eski Corindus COO’su tarafından

AI ve sağlık hizmetlerindeki uygulamaları son birkaç yıl içinde önemli ölçüde olgunlaşmıştır. AI teknolojileri, daha önce hiç olmadığı kadar sağlık hizmeti sağlayıcılarının erişimine açıktır ve sağlık hizmetleri alanında, özellikle de doktorlardan istisnai bir miktar bilgi ve öngörüyü gerektiren karmaşık robotik destekli prosedürlerde büyük fırsatlar sunar. Ne yazık ki, AI’nin olgunlaşmasının, doktorun rolünü kaçınılmaz olarak değiştireceğine dair hala bir inanç vardır, ancak bu gerçeklerden daha uzak olamaz.

Aslında, AI, doktorları yeni bilgiler ve yetenekler ile güçlendirir, bu da klinik karar alma ve daha olumlu hasta sonuçlarını elde etmeyi iyileştirir. Dikkatlerini, teknik olarak kalbe bir tel geçirme hakkında düşünmekten, daha holistik olarak vaka stratejisi ve en iyi olası sonucu nasıl elde edeceğine düşünmeye kaydırır. Robotik destekli prosedürel ortamlarda dağıtıldığında, AI, herhangi bir doktorun herhangi bir vakayı çözmek için erişebileceği tarihsel klinik ve prosedürel bilgi ansiklopedisini oluşturabilir. Bilgisayar görüşü gibi yetenekleri birleştirmek, mevcut bakım standardını devrimleştirir ve doktorları, ortaya çıkmeden önce komplikasyonlara tepki verebilecek ve önleyebilecek güçlü bir araçla donatır. Tüm bunlar, sürecin ana sürücüsünü – doktoru – değiştirmeden yapılır.

Veri Tabanlı İçgörü ve Makine Öğrenimi ile Temelin Oluşturulması

Bugün, doktorlar principalmente kişisel deneyimlerine ve bireysel karar alma becerilerine güveniyorlar, bu da eğitimleri, tamamladıkları prosedürlerin sayısı ve diğer faktörler gibi çeşitli faktörlere bağlı olarak değişebilir. AI, doktorlara daha önce erişemedikleri yeni veriler ve bilgilere tanıtır, bu özellikle karmaşık prosedürel ortamlarda robotik kullandığında özellikle faydalıdır. Bu durumlarda, robotik cihazlar tarihsel veri depolarına bağlı olduğunda, AI, binlerce benzer vaka içinden gelen içgörülerle bilgi boşluklarını doldurarak eşsiz bir değer sunar. Bir doktora, kendi deneyiminden öte tarihsel vaka verilerine erişim sağlayarak, bu karmaşık prosedürlerle ilgili bazı riskleri azaltabilirler.

Makine öğrenimi, robotik sistemin deneyimden öğrenmesini ve yeni girişlere uyum sağlamasını sağlar. Buna karşılık, robot, dünyanın en iyi doktorları tarafından kullanılan aynı teknikleri taklit etmek için hareketlerini otomatikleştirebilir, bu da ortaya çıkan zorlukların çözüm şansını artırır. Sonunda, bu, doktorların dikkatlerini vaka stratejisi üzerinde odaklamalarına ve komplikasyonlara daha etkili bir şekilde tepki vermelerine olanak tanır. Bu tür veri tabanlı içgörüler, 2000’lerin başlarında profesyonel beyzbolun manzarasını değiştiren veri gibi çalışır, Moneyball kitabının yayınlanmasıyla vurgulanmıştır. Kitap, Oakland Athletics ve müdür Billy Beane’i takip etti, Bunlar, eski yöntemlerin yerine veri tabanlı, kanıta dayalı bir yaklaşım kullanarak bir takım oluşturdular. Bu model büyük bir başarıydı ve veriye dayalı bir oyun yeni bir dönemini etkili bir şekilde tetikledi.

Healthcare’de, makine öğrenimi tarafından güçlendirilen prosedürel bilgi veritabanı, doktorlar için benzer içgörüler sağlar, onlara daha önce erişemedikleri değerli bilgiler sağlar. Binlerce benzer vaka arka planına karşı bir hastayı görme yeteneği, doktorların bir vakayı nasıl ele alacaklarına dair daha iyi, daha bilgili kararlar almalarına olanak tanır.

Sonraki Adım: Bilgisayar Görüşü ve Yüksek Otomasyon

Robotik destekli prosedürel ortamlardaki AI’nin tam potansiyeli, veri tabanlı içgörü ve makine öğrenimi ile bilgisayar görüşünün birleştirilmesiyle gerçekleştirilir, bu da robotik sistemin zengin görüntüleme verilerine dayanarak durumları akıllıca tanımlamasını ve bunlara tepki vermesini sağlar. Kalp damarlarındaki müdahalelerde, önemli bir prosedür süresi, tel manipülasyonuna adanmıştır, bunun büyük bir kısmı, damarlardan geçmek için “deneme ve yanılma” yöntemidir. Bu metodoloji, yanlış yerleştirilmiş tıbbi cihazlara, örneğin stentlere veya artan radyasyon maruziyetini artıran daha uzun prosedür sürelerine yol açabilir.

Ancak, otomatik sistemler etkili hareketleri öğrenmeye ve bilgi tabanlı kurallar oluşturmaya devam ettikçe, bilgisayar görüşünü prosedürün daha büyük kısımlarını otomatikleştirmeye izin verebiliriz. Bilgisayar görüşü ayrıca, bir rehber tel prolaps olduğunda gibi komplikasyonları ortaya çıkmadan önce tespit etmeyi sağlar ve otomatik olarak düzeltici eylemler gerçekleştirebilir, böylece cihazı teslim edebilir ve hastaya zarar vermez.

Önemli olarak, otomasyon, hangi endüstride olursa olsun, bir spektrum üzerindedir ve otomotiv endüstrisi bu konuda sağlam bir örnek sunar. Bugün birçok araba, fren asistanı, adaptif hız sabitleyici ve şerit merkezleme gibi düşük düzeyde otomasyona sahiptir. Spektrumun diğer ucunda, Tesla (TSLA ) gibi üreticiler, sürücülerin daha az eylem gerektiren güvenlik açısından kritik tüm fonksiyonları otomatikleştirir. Healthcare’de de aynı şey geçerlidir. Sonunda, AI destekli otomasyon, doktorları sürücü koltuğunda tutarken, doktorların dikkatini kritik unsurlardan, yani vaka stratejisi ve komplikasyonlara tepki vermeye çekmeyen belirli görevleri otomatikleştirmeye devam eder.

AI, Doktorları Merkezi Konuma Getirir

 AI ve otomasyonun doktorları değiştireceği endişeleri, healthcare’ın AI ve makine öğrenimini nasıl kullandığının tam anlaşılmasıyla desteklenmez. Otomatik arabalara ihtiyaç duyulan bir sürücü gibi, çalıştığımız otomatik müdahale prosedürleri, bir doktorun rehberliği ile birlikte, dünyanın dört bir yanından diğer yüksek becerilere sahip doktorların deneyimine dayanan bir dijital ansiklopedi gerektirecektir. Otomasyon, prosedürlerin çok yüksek bir kalite seviyesinde yapılma şeklini standartlaştıracaktır, bu da robotik otomasyonun ana hedefine ulaşacaktır – vakaları daha güvenli, daha hızlı ve daha etkili hale getirmek ve hastaya verilen zararı azaltmak.