به گزارش مدرن مد به نقل از healthcareitnews، به گفته دکتر «آرون گردز»، معاون پژوهشهای بالینی مؤسسه سرطان کلینیک کلیولند، این فناوری علاوه بر ارتقای کیفیت مراقبتهای انکولوژی، زمان ارزشمند پرستاران را نیز آزاد میکند.
الگوریتمهای طراحیشده برای کارآزماییهای بالینی قادرند در مدتزمانی کوتاه، دادههای کلیدی پزشکی از جمله یادداشتهای پزشکان را در سراسر پروندههای الکترونیک سلامت جستوجو و تطبیق دهند و بهطور چشمگیری زمان لازم برای تعیین واجد شرایط بودن بیماران را کاهش دهند.
گردز با تأکید بر نقش هوش مصنوعی در ارتقای دسترسی بیماران به کارآزماییهای بالینی گفت: «این فناوری به ما کمک میکند اطمینان حاصل کنیم که بیماران انکولوژی استانداردهای روز مراقبت را دریافت میکنند؛ یعنی درمانهای آینده را از امروز در اختیار آنان قرار دهیم.»
به گفته او، استفاده از مدلهای پردازش زبان طبیعی برای بررسی EHRها، شناسایی بیماران بالقوه برای مطالعات بالینی را حتی خارج از مراکز بزرگ دانشگاهی امکانپذیر میسازد. این موضوع همواره یکی از چالشهای پژوهشهای متمرکز بالینی بوده است، اما شناسایی سریعتر بیماران واجد شرایط با کمک هوش مصنوعی، به پژوهشگران کلینیک کلیولند اجازه میدهد تمرکز بیشتری بر بهبود نرخ ارجاع بیماران از جوامعی داشته باشند که اگرچه از نظر جغرافیایی دورترند، اما از طریق سامانه EHR به شبکه سلامت متصل هستند.
گردز افزود: «تنها چند لحظه پس از بارگذاری یک پروتکل بالینی در یک مدل زبانی بزرگ، تیم ما میتواند بیش از ۲۰ بیمار واجد شرایط و حدود ۲۰ تا ۳۰ بیمار دیگر با احتمال واجد شرایط بودن (پس از پیگیری تکمیلی) را شناسایی کند.»
مزیت اصلی هوش مصنوعی، توانایی آن در جستوجو در تمامی انواع دادهها و تطبیق اطلاعات در ماژولهای مختلف پرونده الکترونیک سلامت است. به گفته گردز، این مدلها میتوانند تمام بخشهای پرونده بیمار را که معیارهای لازم برای یک کارآزمایی بالینی را برآورده میکنند، استخراج و یکپارچهسازی کنند.
این فناوری همچنین موجب صرفهجویی قابلتوجه در زمان پرستاران پژوهشی کلینیک کلیولند شده و به آنان امکان میدهد تمرکز بیشتری بر مراقبت مستقیم از بیماران داشته باشند. در یکی از آزمایشهای قابلتوجه که در برنامه HIMSSCast تشریح شد، یک مدل زبانی بزرگ در برابر پرستاران باتجربه پژوهشی قرار گرفت. هر دو گروه وظیفه یکسانی داشتند: تعیین واجد شرایط بودن بیماران برای یک کارآزمایی بالینی.
نتایج نشان داد دقت هوش مصنوعی و پرستاران تقریباً مشابه بود، با این تفاوت که مدل زبانی بزرگ این کار را تنها در دو دقیقه و نیم انجام داد، در حالی که پرستاران بهطور میانگین ۴۲۷ دقیقه زمان صرف بررسی دستی پروندهها کردند.
گردز در اینباره گفت: «این فناوری زمان آن منبع ارزشمند و محدود ما، یعنی نیروی پرستاری، را آزاد میکند تا بتوانند به انجام وظایف مهم دیگر بپردازند.»
نظر شما