Здравоохранение вне (человеческого) контакта?

Новости

ДомДом / Новости / Здравоохранение вне (человеческого) контакта?

Mar 23, 2023

Здравоохранение вне (человеческого) контакта?

Марта Ираола | EURACTIV.com 06.07.2023 (обновлено:

Марта Ираола | EURACTIV.com

06.07.2023 (обновлено: 06.07.2023 )

Редакционная статья/мнение OpinionNewsArticle — это новостная статья, которая в первую очередь выражает мнения, а не журналистское сообщение о новостях и событиях.

Подпишитесь на информационный бюллетень EURACTIV Health Brief — еженедельную информацию обо всем, что касается здравоохранения в Европе.

Печать Электронная почта Facebook Twitter LinkedIn WhatsApp Telegram

Хотя искусственный интеллект (ИИ) в сфере здравоохранения может быть мощным инструментом, поскольку машинное обучение позволяет медицинским работникам диагностировать заболевания, персонализировать лечение и разрабатывать новые лекарства, эксперты призывают к осторожности при его использовании.

Ханс Дэннилс, генеральный директор Byteflies, медицинской технологической компании, разрабатывающей носимые устройства для здоровья, рассказал на мероприятии в Антверпене на прошлой неделе о своем собственном опыте использования ИИ в здравоохранении, когда у него родились близнецы, за которыми требовалось наблюдение в больнице в течение девяти дней.

Он объяснил, что в начале их пребывания близнецам требовались посещения медсестры каждые несколько часов, чтобы контролировать и отмечать жизненные показатели младенцев. По мере улучшения состояния близнецов частота посещений уменьшалась, но они оставались в больнице.

Именно здесь в игру вступают Byteflies. Дэннилс рассказала об устройствах телемониторинга, которые они разрабатывают, и о том, как они могут помочь пациентам.

"Все больше и больше людей по очень острым делам все равно будут обращаться в больницу, но вся эта функция, этот мониторинг будет перенесен на дом", - сказал он.

Идея состоит в том, чтобы упростить работу медицинских работников в больнице по мониторингу, отправляя пациентов домой с одним из этих устройств, отслеживающих любые изменения.

Он пояснил, что алгоритм очень чувствителен, чтобы не пропустить ни одного значимого события.

«У нас есть человек, который видит и классифицирует результаты», — пояснил он.

Необходимость участия людей в любом медицинском процессе, связанном с ИИ, подчеркнула Леони де Бест из Madam Therapeutics, биотехнологической компании, занимающейся разработкой новых противомикробных методов лечения.

Она объяснила, что чрезвычайно важно проверять результаты анализа данных, выполненного с использованием ИИ, поскольку каждый алгоритм необходимо обучать на данных, а эти наборы данных могут быть необъективными.

Де Бест добавил, что без тщательно подобранного и репрезентативного набора данных для анализа легче ошибочно оценить правильность моделей.

«Вы много пропускаете или совершаете действительно большие ошибки. Вы кладете дерьмо, и вы получаете дерьмо», - добавила она.

Madam Therapeutics использует искусственный интеллект для проверки большого количества антимикробных пептидов с целью создания профиля безопасности.

Благодаря искусственному интеллекту ее компания может проверять и анализировать сто миллионов случайно выбранных антимикробных пептидов, экономя им много времени в процессе создания профилей безопасности.

«Это заняло пару месяцев, в то время как в противном случае это заняло бы годы», - объяснила она.

По мнению Карло Буттона, инструменты ИИ ни в коем случае не могут заменить врача. «Мы не должны недооценивать человеческий мозг, ИИ должен быть не заменой, а дополнением», — сказал он.

«Это больше похоже на стетоскоп, инструмент, который помогает врачам и медсестрам действительно уделять больше времени пациенту», — добавила Дэннилс из Byteflies.

Существует общее мнение о том, что для правильного использования этих новых инструментов важно привлечь людей, которые понимают междисциплинарный аспект проблемы, а не только данные.

Врачи по-прежнему играют важную роль в каждом процессе, поскольку именно они знают историю пациента, разговаривают с лицами, осуществляющими уход, и имеют более целостное представление.

Машинное обучение, как показывают примеры, приведенные различными заинтересованными сторонами, требует больших наборов данных для анализа и достижения полезных результатов.

Одна из проблем, с которыми часто сталкиваются компании, — затрудненный доступ к необходимой информации, особенно когда речь идет о доступе к данным пациентов из больниц или клиник.

Обмен данными является спорной темой среди заинтересованных сторон, поскольку все они признали необходимость иметь доступ к информации о пациентах, реакции на методы лечения и клинические испытания, среди прочего.