يمكن للذكاء الاصطناعي إطلاق العنان للإمدادات لتلبية الطلب، كما يقول قائد تكنولوجيا المعلومات للأطباء بجامعة جونز هوبكنز – TechToday

الدكتور بريان هاسلفيلد لديه القليل من وول ستريت في خلفيته ويحب التحدث عن الفوائد المحتملة للذكاء الاصطناعي للرعاية الصحية من الناحية الاقتصادية – قانون العرض والطلب.

الجميع يعرف كيف تعمل الرعاية الصحية. يذهب المريض إلى طبيب الرعاية الأولية الخاص به، والذي يقوم بعد ذلك بإصدار الإحالة. ثم يصدر هذا الطبيب إحالة للتخصص الفرعي، والتي قد تكشف في النهاية عن الإجابة الصحيحة. على الرغم من أنه قد تكون هناك حاجة أيضًا هذه الأيام إلى إحالة للطب الدقيق.

هذا كثير من الرعاية. الكثير من الطلب. ولسوء الحظ، تواجه الرعاية الصحية نقصًا حادًا في عدد الموظفين كما أن إمداداتها محدودة جدًا.

وقال هاسلفيلد عن الذكاء الاصطناعي: “من وجهة نظري، لا يتعلق الأمر بالأدوات، بل يتعلق بمشكلة الوصول”. “كيف نعتني بعدد أكبر من المرضى بنفس القوى العاملة السريرية التي لدينا اليوم؟ كيف يمكننا زيادة الإنتاجية بشكل هادف؟ رعاية المزيد من الناس على رأس نفس الموارد الموجودة مسبقا؟ وألا نطلب ببساطة من القوى العاملة السريرية لدينا أن تعمل أكثر؟

“كيف يمكننا ضخ ذكاء ذي معنى حقًا في ما يأتي أولاً وما يأتي بعد ذلك بالنسبة للمرضى في رحلتهم؟” هو أكمل. “وإذا تمكنا من البدء في استخراج بعض تلك الرعاية غير الضرورية من النظام، فيمكننا إطلاق العنان لبعض الإمدادات الإضافية.”

هاسلفيلد هو المدير الطبي الأول للصحة الرقمية والابتكار في جامعة جونز هوبكنز الطبية، والمدير المساعد لجامعة جونز هوبكنز في مجال الصحة. وهو أيضًا طبيب رعاية أولية يركز على الطب الباطني وطب الأطفال في أطباء مجتمع جونز هوبكنز.

لقد أجرينا معه مقابلة كجزء من سلسلتنا التي تتحدث مع أهم الأصوات في مجال تكنولوجيا المعلومات الصحية حول الذكاء الاصطناعي. في هذا الجزء الأول من المقابلة، يناقش تطبيق الذكاء الاصطناعي بشكل عام في مجال الرعاية الصحية. وفي الجزء الثاني، الذي سيظهر غدًا، يتعمق في كيفية استخدام Johns Hopkins Medicine للذكاء الاصطناعي اليوم.

س: باعتبارك أحد كبار المسؤولين التنفيذيين في مجال الصحة الرقمية والابتكار، ما هي أشكال الذكاء الاصطناعي التي تتطلع إليها أكثر من غيرها؟

أ. نحن في هذه المرحلة حيث لسنا متأكدين تمامًا من اتساع نطاق المشكلات التي يجب معالجتها عبر ما نطلق عليه الشكل الجديد للذكاء الاصطناعي.

بدأ معظم المتخصصين الذين يتتبعون صناعة الذكاء الاصطناعي العامة عبر جميع القطاعات الصناعية الأخرى في إدراك أن لدينا ما يمكن أن نسميه ربما الذكاء الاصطناعي التاريخي أو التقليدي، تلك الأدوات المبنية على قواعد ومدخلات ومخرجات محددة مسبقًا قائمة على علوم الكمبيوتر. والآن لدينا الذكاء الاصطناعي التوليدي الجديد، والذي اشتهر بالتأكيد في يناير الماضي مع إعلان Microsoft وOpenAI حول ChatGPT، والآن جميع المنافسين الآخرين في السوق.

ستكون التكنولوجيا حقًا لا حدود لها في كيفية تطبيقها على المشكلات التي يتعين حلها في مجال الرعاية الصحية. بدلاً من التفكير في نوع معين من الأدوات التي تمثل أولوية بالنسبة لنا، أفضل إعادة صياغتها باعتبارها لحظة محورية في الرعاية الصحية لمعالجة مشكلة الموارد الرئيسية.

أنا طالب جامعي سابق في الاقتصاد درست في وول ستريت، لذا تحملني بينما نتحدث عن الاقتصاد للحظة. لدينا عدم تطابق كبير بين العرض والطلب في مجال الرعاية الصحية اليوم. إن أي شخص حاول الحصول على زيارة من أي مؤسسة، سواء كانت كبيرة أو صغيرة، أكاديمية أو غير أكاديمية، يقدر بالتأكيد صعوبة التنقل في نظام صحي معقد نسبيًا وأوقات الانتظار التي تنتج عنه.

ولكن من وجهة نظري، فإن التكنولوجيا لم تفعل بعد الشيء الذي تحتاج التكنولوجيا إلى القيام به في مجال الرعاية الصحية، وهو الشيء الذي تفعله في العديد من الصناعات الأخرى، عبر الاقتصاد – ضخ مكاسب الإنتاجية والكفاءة للمساعدة في تحقيق التوازن بين كل الطلب على الرعاية الصحية من مرضانا والإمدادات التي نقدمها، والتي يمكن القول إنها ثابتة نسبيًا.

من وجهة نظري، لا يتعلق الأمر بالأدوات، بل يتعلق بمشكلة الوصول. كيف نعتني بعدد أكبر من المرضى بنفس القوى العاملة السريرية التي لدينا اليوم؟ كيف يمكننا زيادة الإنتاجية بشكل هادف؟ رعاية المزيد من الناس على رأس نفس الموارد الموجودة مسبقا؟ وفي الوقت نفسه، بالطبع، تجنب عنصر التوازن الرئيسي، وهو أننا لا نستطيع ببساطة أن نطلب من القوى العاملة السريرية لدينا العمل أكثر.

يمكن القول إن العديد من التدخلات كانت تهدف إلى تقليل حجم العمل الذي يقوم به أطباؤنا. تركز الأدوات التي سيتم تطبيقها حقًا على رحلة وصول المريض كأولوية رئيسية – كيفية إيصال المرضى إلى النوع المناسب من الرعاية في الوقت المناسب، وبشكل أسرع.

ومن المؤكد أن بعض المنتجات المبكرة التي يتم اختبارها في السوق تساعد المرضى على تحديد نوع الرعاية التي يحتاجون إليها بالفعل. الآن، بدلاً من اتباع النموذج المعتاد للزيارة للإحالة إلى إحالة التخصص الفرعي للوصول أخيرًا إلى هذه الإجابة الصحيحة. لدي أيضًا دور في مبادرة الطب الدقيق لدينا، لذلك يمكن أن نطلق على ذلك الإحالة الدقيقة أو التخطيط الدقيق للرعاية.

كيف يمكننا ضخ ذكاء ذي معنى حقًا في ما يأتي أولاً وما يأتي بعد ذلك بالنسبة للمرضى في رحلتهم؟ وإذا تمكنا من البدء في استخراج بعض تلك الرعاية غير الضرورية من النظام، فيمكننا إطلاق العنان لبعض الإمدادات الإضافية.

على الجانب الآخر، نحن بحاجة إلى أن نكون في نموذج حيث لا يقوم طبيب واحد بزيارة واحدة لمريض واحد لمدة 15 دقيقة، أليس كذلك؟ هذا لا يتسع لأن الوقت والأشخاص ثابتون. ونحن بحاجة إلى اكتشاف طريق لرعاية عدد أكبر من المرضى الذين يتمتعون بذكاء أكبر بين البيانات التي يتم استيعابها وخطط الرعاية الموجهة إلى مرضانا.

وأنا أتفق مع أحد القادة السابقين في هذه السلسلة من المقالات الدكتور جون هالامكا [at the Mayo Clinic]أن المرضى لا يأتون إلى الأطباء لقراءة كتاب مدرسي.

لذلك، بالتأكيد لا ندعو إلى إمكانية رعاية 20 ضعفًا لعدد المرضى وإخراج الطبيب من رحلة الرعاية. لكنني أعتقد أن نموذج الزيارة الواحدة كل ثلاثة إلى ستة إلى اثني عشر شهرًا هو نموذج معطوب بشكل واضح في نظام يجب أن يركز على الوقاية. وهذا يعني حقًا أن لدينا مشكلة كبيرة تتعلق بالبيانات المنزلية يتعين علينا معالجتها، والتي أعتقد أنها تمثل مجالًا كبيرًا للفرص مع استمرار تطور الأدوات.

سؤال: لقد أخبرتني أن التطبيقات الرقمية والأجهزة المتصلة والأجهزة القابلة للارتداء وأجهزة الاستشعار المنزلية يُزعم أنها تمثل مستقبل تتبع الصحة الفردية – ومع ذلك، على نطاق واسع، لم تحظ هذه الأساليب باهتمام كبير، ونادرًا ما توجد في العلاقة بين الطبيب والمريض. أنت تعتقد أن أحدث التكرارات للذكاء الاصطناعي ستعالج أخيرًا العوائق الرئيسية التي تحول دون استيعاب المعلومات الجديدة في الرعاية السريرية. يرجى توضيح هذا الموضوع.

أ. إنها في الواقع اختيار مثالي للنقطة التي انتهينا منها للتو من السؤال الأخير، والذي يتراوح من الساعة أو Fitbit على معصمك إلى الأجهزة الموجودة بجانب سريرك الشخصي إلى الطرق التاريخية المختلفة لقياس بيانات المنزل، مثل أساور ضغط الدم في المنزل، والمقاييس وأجهزة قياس السكر وأجهزة قياس السكر المستمر.

لدينا هذه الثروة من البيانات المنزلية. من المؤكد أن مجموعتنا للطب الدقيق في جامعة جونز هوبكنز الطبية، التي تبحث في مرض التصلب المتعدد، طرحت نموذجًا جديدًا مذهلاً حول كيفية تطبيق هذه البيانات على التشخيص وتخطيط علاج الرعاية في المستقبل.

الاعتراف بتلك الحركة يمكن أن يرتبط تتبعها بواسطة الأجهزة القابلة للارتداء مثل Fitbit أو جهاز حركة متقدم مماثل بشكل مفيد مع تطور اضطراب الحركة، وهذا كله منطقي وربما يحل محل المرضى الذين يعانون من مرض التصلب العصبي المتعدد، على المدى الطويل، والذين يحتاجون بشكل روتيني للوصول إلى مراكز الرعاية العصبية الرباعية المتقدمة مع التصوير بالرنين المغناطيسي باهظ الثمن.

ولكن كيف يمكننا أن نأخذ نموذج القياس هذا ونأخذه على نطاق واسع؟ عندما ننظر إلى أطباء العيادات الخارجية لدينا اليوم، وأنا طبيب رعاية أولية، فقد نعتني بما يتراوح بين 1500 إلى 2000 مريض، إذا كنت طبيب رعاية أولية بدوام كامل.

ودعونا نقارن ذلك بالمستشفى. في المستشفى، ما هو مجال القياس الأكثر كثافة لدينا في وحدات العناية المركزة ووحدات الرعاية السريرية؟ في تلك الوحدات، لدينا فريق من الأطباء يقدمون الرعاية لـ 15 أو 20 شخصًا على الأكثر، بنسب تمريض تتراوح بين واحد إلى واحد أو واحد إلى اثنين. إذن هذا هو مستوى التوظيف المطلوب لتوصيل المرضى بالأجهزة بشكل منتظم، وبالتأكيد يوميًا، إن لم يكن كل ساعة.

وحتى في طوابق مستشفانا، لدينا نسب تمريض من واحد إلى أربعة، وواحد إلى ستة، وفرق طبية من حولهم، وهذا يأخذ البيانات كل أربع إلى ست ساعات أو كل 12 ساعة.

فكيف ننتقل من هذه البيئة حيث لدينا طبيب واحد إلى اثنين من المرضى الذين يتلقون دعمًا تمريضيًا، إلى طبيب واحد إلى آلاف المرضى مع الحد الأدنى من الدعم الطولي الآخر، وما زلنا نتوقع الحصول على البيانات كل يوم، عدة مرات في اليوم، و ألا تطغى على القوى العاملة لدينا وأنظمتنا ونماذج الممارسة ونماذج الدفع التي ليست جاهزة لهذا المستوى من الاستيعاب المنزلي؟

ولهذا السبب رأينا أشياء مثل مراقبة المرضى عن بعد تواجه صعوبة في استيعابها على نطاق واسع. أعتقد أننا جعلنا برنامج Medicare يواصل النظر في كيفية تحسين التغيير، أو حتى في بعض الأحيان التساؤل عما إذا كان ينبغي عليهم إزالة ترميز RPM.

قد تبدو المعلومات الجيدة المحتملة المعروفة عن المرضى طوليًا طوال شهرهم أو عامهم أفضل من طبيعة المعاملات لعدد قليل من الزيارات على مدار العام. ما ينقص بينهما هو الأنظمة التي تأخذ كل تلك البيانات وتجعلها ذات صلة سريريًا وذات معنى سريريًا وقابلة للتفسير، وتضعها في سياق ذلك المريض.

لذلك، يمكننا إنشاء نظام حيث أعطيك جهاز قياس ضغط الدم، وأقول أن ضغط الدم فوق X وتحت Y سيئ، ويمكننا اختيار هذه الأرقام وستكون صحيحة بالنسبة لمعظم المرضى. ولكن ما لم أعرفك، وما لم يكن ذلك دقيقًا بالنسبة لسياقك، فقد يكون ذلك سيئًا بالنسبة لك وقد لا يكون كذلك، اعتمادًا على أهدافك السريرية وحالاتك السريرية الأساسية وأهدافنا العلاجية المتبادلة.

لذلك، نحن بحاجة إلى أنظمة يمكنها التعامل مع كميات كبيرة من البيانات عن بعد وجعلها ذات صلة بسياق المريض بناءً على كل ما نعرفه عنك، وخاصة الأشياء التي ناقشناها في زياراتنا وحول خطة العلاج الخاصة بك.

لذلك عندما نتحدث عن تطبيقات الذكاء الاصطناعي التوليدي لحل المشكلات في مجال الرعاية الصحية، سنسمع كثيرًا عن مشكلة الحصول على البيانات غير المنظمة في المخطط، وخاصة الملاحظات المكتوبة، وجعلها شيئًا متحفظًا، وجعلها شيئًا منظمًا ومفهومًا للعديد من الأنواع الأخرى من الأنظمة، للمساعدة في تحسين الرعاية.

هذه هي الفرصة الحقيقية هنا. جزء من وظيفتي هنا في هوبكنز هو أيضًا المساعدة في الإشراف على فرق الرعاية الافتراضية لدينا؛ لقد قمت بقيادة تلك الفرق خلال الوباء. وما لدينا فرصة للقيام به هو إطلاق العنان لقيمة تلك الأجهزة المتصلة عن بعد وحجم البيانات بين الزيارات.

لو كان بإمكاني الحصول على نظام، أعرف ملاحظات الرسم البياني الخاص بك وأفهم ما قيل عن ضغط الدم، وما قيل عن الوزن، والأهداف، وما هي الظروف التي تعاني منها، والأدوية التي تتناولها، وجعل ذلك طبقة دقيقة من الذكاء. حول تلك البيانات الواردة، بحيث لا نعيد إنتاج إجهاد إنذار المرضى الداخليين الموجود بالفعل على جانب المرضى الداخليين، ثم يمكنني أخذ ذلك إلى نطاق أسي على جانب المرضى الخارجيين.

لدينا فرصة، أخيرًا، لإنشاء طبقة ذكية جدًا حول البيانات المنزلية في القوى العاملة السريرية لدينا، والتي لن يتوسع حجمها وبالتأكيد لا يمكنها قياس البيانات المنزلية لـ 1000 أو 2000 مريض بالإضافة إلى يوم سريري منتظم كامل.

أنا متحمس للغاية بشأن فرصة الكشف أخيرًا عن ما نريده لأفراد عائلتنا: الحصول على مزيد من المعلومات المستمرة حول الحالات المهمة لمرضانا، بحيث يتم تفسيرها، وتكون جاهزة ومتاحة وقابلة للتنفيذ مع تقدم العام.

لمشاهدة فيديو هذه المقابلة، انقر هنا.

ملاحظة المحرر: هذه هي المقالة السابعة في سلسلة من الميزات حول أهم الأصوات في مجال تكنولوجيا المعلومات الصحية التي تناقش استخدام الذكاء الاصطناعي في الرعاية الصحية. لقراءة المقال الأول عن الدكتور جون هالامكا في Mayo Clinic، انقر هنا. لقراءة المقابلة الثانية مع الدكتور آلبن باتيل في جايسينجر، انقر هنا. لقراءة الجزء الثالث مع هيلين ووترز من Meditech، انقر هنا. لقراءة الجزء الرابع مع سوميت رنا من Epic اضغط هنا. لقراءة الجزء الخامس مع الدكتورة ريبيكا جي ميشوريس من قداس الجنرال بريجهام، انقر هنا. ولقراءة المقال السادس مع الدكتورة ملك صومعي من شبكة الصحة في فرويدتيرت وكلية الطب بولاية ويسكونسن، انقر هنا.

تابع تغطية Bill’s HIT على LinkedIn: Bill Siwicki
أرسل له بريدًا إلكترونيًا: bsiwicki@himss.org
أخبار تكنولوجيا المعلومات للرعاية الصحية هي إحدى منشورات وسائل الإعلام التابعة لشركة HIMSS.