אמנם רובנו מבינים שבינה מלאכותית (AI) היא כבר לא עניין של מדע בדיוני ושאנחנו מתקשרים איתה מדי יום – במובנים רבים, זה רק מתחיל. מובן שרבים עדיין נזהרים מבינה מלאכותית מסיבות אתיות ופרטיות או חוששים שמכונות ייקחו את עבודתם. עם זאת, יש כבר כמה שימושים מבטיחים של בינה מלאכותית בתחום הבריאות.
PathAI, למשל, פיתחה אלגוריתמים של למידה ממוחשבת ולמידה עמוקה המסייעים לפתולוגים לאבחן סרטן בצורה מדויקת יותר. זהו צעד גדול, ובכל זאת, עדיין יש אתגרים משמעותיים איתם התעשייה מתמודדת, הן מבחינה תרבותית והן מבחינה טכנית. ראשית, בואו נבחן בכמה מהדרכים שבהן AI בתחום הבריאות יכול להועיל לתעשייה.
שימוש בבינה מלאכותית בתחום הבריאות
בואן לא נטעה, AI הולך להיות ענק בתחום הבריאות. על פי Acumen Research and Consulting, השוק העולמי של הבינה המלאכותית בתחום הבריאות יגיע ל-8 מיליארד דולר עד 2026. וגם לענקיות טכנולוגיה אחרות כמו IBM, Oracle ו-AMD יש כבר פתרונות ספציפיים לתעשייה. למרות שישנן אין ספור דרכים שבהן ארגונים יכולים לרתום AI בתחום הבריאות, בואו נסתכל על כמה מהם.
ניטור ניידות של חולים
הצוות הקליני מורכב מאנשי מקצוע עסוקים מאוד. קחו למשל את האחיות ביחידה לטיפול נמרץ (ICU), שלעתים קרובות יש להם מטופלים רבים במצב קריטי תחת משמרתם. ניידות מוגבלת וקוגניציה במהלך טיפולים ארוכי טווח יכולים להשפיע לרעה על ההחלמה הכללית של המטופלים. מעקב אחר פעילותם הוא חיוני. כדי לשפר את התוצאות, חוקרים מאוניברסיטת סטנפורד ובבית החולים Intermountain LDS התקינו חיישני עומק מצוידים באלגוריתמי ML בחדרי החולים כדי לעקוב אחר הניידות שלהם. הטכנולוגיה זיהתה במדויק תנועות ב-87% מהמקרים. בסופו של דבר, החוקרים שואפים לספק לצוות טיפול נמרץ הודעות מיידיות כאשר חולים עלולים להיות בצרות.
ניסויים קליניים לפיתוח תרופות
אחד האתגרים הגדולים ביותר בפיתוח תרופות הוא ביצוע ניסויים קליניים מוצלחים. כפי שזה נראה כעת, זה יכול לקחת אפילו עד 15 שנים לספק תרופה חדשה לשוק – שעשויה להציל חיים. על פי דו"ח שפורסם ב- Trends in Pharmacological Sciences, זה יכול גם לעלות בין 1.5 ל-2 מיליארד דולר. כמחצית מהזמן הזה מושקע בניסויים קליניים, שרבים מהם נכשלים. עם זאת, באמצעות טכנולוגיית AI, החוקרים יכולים לזהות את החולים המתאימים להשתתף בניסויים. בנוסף, הם יכולים לעקוב אחר התגובות הרפואיות שלהם בצורה יעילה ומדויקת יותר – לחסוך זמן וכסף לאורך הדרך.
איכות רשומות בריאות אלקטרוניות (EHR)
אם תשאלו כל איש מקצוע בתחום הבריאות מה אחת המצוקות הגדולות ביותר שלהם, וללא ספק הם יטענו שהיא הרשומה הרפואית הממוחשבת (EHR). באופן מסורתי, רופאים היו רושמים או מקלידים באופן ידני תצפיות ומידע על המטופל, ותמיד היו סטיות בין אחד לשני. לעתים קרובות, הם היו עושים זאת לאחר ביקור המטופל, וכך טעויות אנוש נגרמות. עם זאת, עם טכנולוגיית זיהוי דיבור המגובה על ידי בינה מלאכותית ולמידה עמוקה, ניתן להגדיל ולתעד אינטראקציות עם מטופלים, אבחנות קליניות וטיפולים פוטנציאליים בצורה מדויקת יותר וכמעט בזמן אמת.
אתגרים בתעשיית הבריאות נמשכים
בעוד שהיתרונות הפוטנציאליים שבינה מלאכותית ולמידת מכונה מביאים לשולחן הבריאות ברורים למדי, יש אתגרים רבים שצריך להתגבר עליהם. לא ניתן לייעל שיטות מוסדיות מושרשות ותרבויות שונות בארגונים רק על ידי הטחת אלגוריתם עליהם. מערכות EHR מדור קודם ומערכות רפואיות אלקטרוניות הפועלות במקום לא בהכרח משחקות טוב גם עם אלה של ארגונים אחרים. ארגונים צריכים גם לשקול תקנות ממשלתיות קפדניות המשתנות תמיד. גם להבין את הכמויות העצומות של נתונים שנוצרים היום – שהוא בעיקר לא מובנה – וזה לא דבר קל. זו הסיבה שמדעני נתונים, שהוכשרו בטכנולוגיות והטכניקות העדכניות ביותר, מבוקשים כל כך בתעשיית הבריאות כיום.
רק גירדנו את פני השטח על ההשפעה הפוטנציאלית של AI בתחום הבריאות, אבל דבר אחד ברור – Data Science ו-AI הם קריטיים לעתיד התעשייה.
למידע נוסף על שימושים של בינה מלאכותית בתעשיות שונות קראו את המאמר הבא
