كيف يمكن استخدام الشبكات العصبية في الصناعة الصحية: 10 حالات استخدام
بلغت قيمة سوق الذكاء الاصطناعي للرعاية الصحية 8.23 مليار دولار في عام 2020 ومن المتوقع أن تصل إلى 194.4 مليار دولار بحلول عام 2030 ، بمعدل نمو سنوي مركب قدره 38.1٪ من عام 2021 إلى عام 2030. في الوقت نفسه ، ستصبح الشبكات العصبية الاصطناعية المحرك الرئيسي لنمو السوق ، حيث إنه بفضلها يمكن لـ "العقل" الرقمي التعلم بسرعة وكفاءة. في هذه المقالة ، سوف نصف بالضبط كيف تستخدم الشبكات العصبية الاصطناعية في الطب اليوم.
تتطلب الإجراءات الجراحية معرفة طبية عميقة ودقة عالية والقدرة على التكيف مع الظروف المتغيرة والاهتمام المستمر على مدى فترة طويلة من الزمن. على الرغم من أن الجراحين المدربين يميلون إلى امتلاك كل هذه الصفات ، إلا أنهم مجرد أشخاص عاديين وبالتالي يمكنهم ارتكاب الأخطاء ، خاصةً إذا كان لديهم جدول أعمال مزدحم. وفقًا لبحث أجرته جامعة جونز هوبكنز ، تحدث الأخطاء الجراحية أكثر من 4000 مرة سنويًا في الولايات المتحدة وحدها . على سبيل المثال ، على الأقل
39 مرة في الأسبوع يترك الجراح أجسامًا غريبة داخل المرضى ، أكثر من 20 مرة في الأسبوع يقوم الجراحون بإجراء عملية خاطئة أو يجرون العملية على العضو الخطأ.
وكل هذا ليس مجرد كلمات: تبلغ قيمة صناعة الجراحة الروبوتية بالفعل 40 مليار دولار ، وهي تظهر نتائج ممتازة:
لقد أدرك المجتمع الطبي منذ فترة طويلة أن التصوير يمكن أن يزيد بشكل كبير من احتمالية اكتشاف المرض. ولكن في كثير من الأحيان حتى عين الطبيب المدربة لا تستطيع التعرف على التفاصيل الصغيرة في الصور. بالإضافة إلى ذلك ، يجب ألا ننسى مشكلة العيون "غير الواضحة": أضاف باحثون من جامعة هارفارد صورة غوريلا إلى الأشعة السينية وعرضوها على الأطباء - 83٪ من أطباء الأشعة لم يلاحظوا صورة الغوريلا على الأشعة السينية .
فيما يلي بعض الأمثلة على التصوير الطبي باستخدام الشبكات العصبية:
مساعدو التمريض الافتراضيون مثل Care Angel قادرون على تحديد موعد مبدئي ، وترتيب زيارة المستشفى ، والاحتفاظ جزئيًا بالسجلات الطبية ، والإبلاغ عن نتائج الاختبارات ، وحتى إجراء فحص طبي باستخدام الصوت. مثال آخر على حل مماثل هو Sensely. هذا المساعد الافتراضي هو تطبيق تفاعلي مصمم لتبسيط سير العمل الطبي وأتمتة العمليات الروتينية وتقليل تكلفة مراقبة رعاية المرضى. تشير الدراسات إلى أن استخدام Sensely يمكن أن يقلل تكاليف العمالة لمراقبة المريض بنسبة 66٪ مقارنة بالإجراء التقليدي.
وجد استطلاع أجرته مجلة نيو إنجلاند الطبية (NEJM) للأطباء البريطانيين أن أكثر من 80٪ من المستجيبين يعتبرون إرهاق الطبيب مشكلة في مؤسستهم . في الوقت نفسه ، أفاد نصف هؤلاء المستجيبين أن "تفريغ المهام الإدارية" يمكن أن يحل هذه المشكلة كليًا أو جزئيًا ، مما يسمح للأطباء بقضاء المزيد من الوقت مع المرضى ، فضلاً عن قضاء المزيد من الوقت في التطوير المهني. والأهم من ذلك كله الشكاوى حول الحاجة إلى الاحتفاظ بسجلات صحية إلكترونية (EHR) للمرضى الذين يستخدمون العديد من المستشفيات حول العالم.
أحد الأمثلة على هذا الحل هو أوليف ، وهي منصة مدعومة بالذكاء الاصطناعي تعمل على أتمتة العديد من العمليات الإدارية ، مثل التحقق من صحة المطالبات الطبية التي لا أساس لها من الصحة ، ونقل البيانات الطبية اللازمة إلى متخصصي الرعاية الصحية المناسبين ، وما إلى ذلك. تتكامل أوليف بسهولة مع أدوات برامج الرعاية الصحية الحالية.
يتم توفير خدمات مماثلة بواسطة K2 Process Automation. تستخدم هذه المنصة الذكاء الاصطناعي لتحسين إدارة المؤسسات الطبية وموظفيها. على وجه الخصوص ، يمكن لـ AI K2 تحديث البيانات تلقائيًا في سجل المريض ومعالجة طلبات المرضى عن طريق إرسال إشعارات إليهم عند تلقي نتائج الاختبار وتسجيل المكالمات وحفظ المعلومات وفقًا لذلك.
في نهاية ديسمبر 2021 ، توقعت منصة BlueDot تفشي فيروس كورونا في الصين . أبلغ الذكاء الاصطناعي BlueDot ، بعد أن درس الأخبار بـ 65 لغة ، ومحادثات الناس على الشبكات الاجتماعية وتقارير عن المرض ، عن تفشي عدوى جديدة شبيهة بالإنفلونزا قبل أسبوع من منظمة الصحة العالمية (WHO). وهذه ليست الحالة الأولى من نوعها. في السابق ، توقع BlueDot تفشي فيروس زيكا في فلوريدا في عام 2016 ، قبل ستة أشهر من حدوثه. حتى قبل ذلك ، توقع BlueDot تفشي فيروس إيبولا عام 2014 وانتشاره خارج إفريقيا.
شركة Metabiota الأخرى التي أظهرت قدرتها على التنبؤ بتفشي الأمراض المعدية هي Metabiota. ساعدت المنصة في وقف انتشار فيروس إيبولا في سيراليون ، وفقًا لموقع TechCrunch.
في عام 2015 ، أثناء تفشي فيروس إيبولا في غرب إفريقيا ، دخلت شركة الأدوية الأمريكية Atomwise ، باستخدام قوة الذكاء الاصطناعي ، مع شركة IBM لفحص المركبات التي يمكن أن ترتبط بالبروتين السكري الذي يمنع الإيبولا من دخول الخلايا داخل الجسم. تم إجراء هذا التحليل بواسطة الشبكة العصبية Atomwise في أقل من يوم واحد ، على الرغم من أن هذه العملية تستغرق عادةً شهورًا وحتى سنوات.
كانت هذه هي المرة الأولى التي يسرّع فيها الذكاء الاصطناعي عملية تطوير الأدوية كثيرًا. في غضون 5 سنوات أخرى ، ستوافق الولايات المتحدة على أول عقار ، تم إنشاؤه بالكامل تقريبًا بواسطة الذكاء الاصطناعي ، وهو عقار DSP-1181 لعلاج اضطراب الوسواس القهري. تم إنشاء هذا الدواء بواسطة Exscientia ، ووفقًا لإدارته ، فقد استغرق الأمر 12 شهرًا فقط.
لكن هذه الفترة ليست هي الحد الأقصى. تدعي شركة Insilico Medicin أن الذكاء الاصطناعي الخاص بها ، GENTRL ، قادر على ابتكار عقاقير جديدة ضد أمراض معينة في 3 أسابيع فقط. سيستغرق الأمر حوالي 25 يومًا أخرى لاختيار الخيار الأفضل واختباره. وبالتالي ، يستغرق الأمر 46 يومًا فقط لإنتاج الأدوية باستخدام GENTRL.
ومع ذلك ، فإن المشروع الأكثر طموحًا في هذا الاتجاه هو Deep Genomics. تعمل هذه الشركة على تطوير نظام ذكاء اصطناعي يسمى Project Saturn لاكتشاف طرق جديدة للقضاء على آثار الطفرات الجينية. قامت شركة Deep Genomics بالفعل بتقييم 69 مليار جزيء قليل النوكليوتيد مقابل مليون في أهداف السيليكو لإنشاء مكتبة تضم 1000 مركب تم التحقق من صحتها تجريبياً للتعامل مع بيولوجيا الخلية على النحو المنشود.
هناك مجال آخر كثيف الموارد في مجال الرعاية الصحية حيث يمكن أن تكون الشبكات العصبية الاصطناعية مفيدة وهو الطب الشخصي. الحقيقة هي أن كل حالة علاج فريدة من نوعها ، حيث يتمتع كل شخص بمناعة فريدة وتاريخ طبي وحالة صحية راهنة. وكل هذا يجب أن يؤخذ في الاعتبار لتحقيق أقصى فعالية للعلاج. لكن الطبيب ، أولاً ، لا يمكنه دائمًا رؤية جميع الفروق الدقيقة في حالة المريض ، وثانيًا ، لا يتمتع الطبيب بالكفاءة اللازمة لاتخاذ قرار شامل بشأن بناء خطة العلاج الأكثر فاعلية ، مع مراعاة كل هذه الفروق الدقيقة - لهذا الغرض أنت بحاجة إلى معرفة أعمق في جميع مجالات الطب ، وهو أمر غير واقعي.
لكنها تحت سلطة الذكاء الاصطناعي. إنه قادر على دراسة وتحليل كميات هائلة من البيانات واتخاذ قرار يأخذ في الاعتبار جميع البيانات المتاحة عن حالة المريض وخيارات العلاج الخاصة به. حتى الآن ، لا يوجد الكثير من هذه المشاريع (فهي معقدة للغاية وتتطلب كميات هائلة من البيانات الطبية عالية الجودة). لكن النجاحات الأولى في هذا الاتجاه موجودة بالفعل: تم تصميم AI Merative من IBM (المعروف سابقًا باسم Watson Oncology) خصيصًا لحل مثل هذه المشكلات.
مشكلة رئيسية أخرى في الرعاية الصحية هي الاحتيال. الأدوية المزيفة ، والاحتيال في مجال التأمين ، والخدمات الطبية دون المستوى ، وغير القانونية ، وغير الفعالة بشكل متعمد تضر بالصناعة مثلها مثل الأبحاث السريرية المزيفة دون المستوى المطلوب. في الولايات المتحدة وحدها ، وفقًا لتقديرات متحفظة ، يكلف الاحتيال في مجال الرعاية الصحية البلاد حوالي 68 مليار دولار سنويًا ، وهو ما يمثل 3 ٪ من إنفاق الدولة بأكملها على الرعاية الصحية.
يمكن للذكاء الاصطناعي القائم على الشبكات العصبية أيضًا التعامل مع هذه المشكلة. على سبيل المثال ، تمتلك شركة Aetna الطبية حوالي 350 نموذجًا للشبكات العصبية للأمان والحماية من الاحتيال. تمتلك Highmark Inc أيضًا NN الخاص بها لمكافحة الاحتيال ، ووفقًا للشركة ، ساعد منتج الشبكة العصبية الشركة بالفعل في توفير 245 مليون دولار .
كم مرة فاتتك تناول أدويتك أو نسيت أو تجاهلت فحص طبيبك؟ تظهر الدراسات الاستقصائية أن هذه مشكلة شائعة جدًا وأن الأطباء ليس لديهم سيطرة كبيرة عليها أو لا يتحكمون بها على الإطلاق. علاوة على ذلك ، فإن تعليمات وانتقاد سلوك المرضى من قبل الأطباء لا تؤدي إلا إلى تفاقم المشكلة ، حيث يشعر المرضى بالحرج من أمراضهم ويتوقفون ببساطة عن الذهاب إلى المستشفى.
لكن الأدوات والتطبيقات المختلفة التي تصحح سلوك الناس يمكن أن تساعد في ذلك. المثال الأكثر وضوحًا هو أساور اللياقة البدنية والساعات الذكية التي تساعد في تحديد الأهداف (على سبيل المثال ، المشي 4 كيلومترات في اليوم) وتتبع إنجازها ، بالإضافة إلى تذكيرك بالفحوصات الوقائية والحاجة إلى النشاط البدني. تطبيقات أكثر تعقيدًا مثل Somatix تتبع الأنشطة اليومية للمريض وتشير إلى عاداتهم وروتينهم حتى يتمكنوا من التركيز على التخلص منها والشفاء.
أخيرًا وليس آخرًا على قائمتنا جمع وتحليل البيانات الطبية عالية الجودة. وهذه ليست فقط مجموعة من تاريخ المريض ، ولكن أيضًا العديد من البيانات ذات الصلة ، بدءًا من مكان عمل المريض وعدد مرات ذهابه إلى صالة الألعاب الرياضية وانتهاءً بالأفلام التي يشاهدها والطعام الذي يأكله - من الناحية المثالية ، كل هذا يجب أن تؤخذ أيضًا في الاعتبار عند بناء خطة العلاج.
المشكلة هي أن جمع مثل هذه البيانات أمر صعب ومكلف للغاية. لا يرغب الأشخاص في الإبلاغ عن كل عملية شراء أو تشغيل أو فيلم رعب يشاهدونه. ولكن يمكن القيام بذلك من خلال منصات تعتمد على الذكاء الاصطناعي. إذا تم دمج مثل هذا الحل مع هاتف ذكي وساعة ذكية وثلاجة وخدمات مصرفية عبر الإنترنت ومصادر أخرى ، فسيقوم الذكاء الاصطناعي بجمع مثل هذه الإحصائيات لكل مريض تلقائيًا وبسرية.
هناك العديد من الأمثلة على هذه الحلول. على سبيل المثال ، أداة من Current Health ذات ذكاء اصطناعي للمراقبة الطبية لحالة الشخص. كان هذا الجهاز القابل للارتداء من أوائل الأجهزة التي حصلت على موافقة إدارة الغذاء والدواء الأمريكية (FDA) للاستخدام المنزلي. يمكن للأداة قياس معدل ضربات القلب والتنفس وتشبع الأكسجين ودرجة الحرارة وتنقل المرضى لتقديم هذه البيانات إلى الطبيب الذي سيقدم توصيات للمريض.
