În ultimii ani, inteligența artificială (AI) a pătruns pe scena îngrijirii medicale cu inovații care promit să îmbunătățească îngrijirea și rezultatele pacienților, reducând în același timp costurile. Cum putem adopta și mai mult AI în domeniul medical pentru a îmbunătăți experiența pacienților, dar și a cadrelor medicale?
De la diagnostic, la monitorizarea pacienților și la autogestionarea bolilor cronice, AI ajută spitalele moderne să gestioneze fluxul de pacienți, permițând personalului medical și să se adapteze rapid la noi circumstanțe. Un bun exemplu este felul în care îngrijirea medicală s-a mutat din ce în ce mai mult în casele oamenilor și le oferă informații legate de starea lor de bunăstare și de sănătate pentru a-i ține departe de spital, în timp ce rămân conectați cu profesioniștii din domeniul sănătății prin monitorizarea de la distanță.
Înainte de apariția COVID-19, sistemele medicale se luptau deja să răspundă cererii în creștere a pacienților, pe fondul unei lipse de personal, care se estimează că va crește la 18 milioane până în 20301. Îngrijirea medicală necesită o regândire a modului în care este furnizată. În încercarea de a oferi răspuns acestor provocări, am identificat patru domenii favorabile, cu potențial de implementare a inteligenței artificiale în domeniul sănătății.
- Oameni și experiențe
Valoarea AI în domeniul sănătății este la fel de puternică ca și experiența umană pe care o sprijină. Prin urmare, inovația trebuie să se concentreze pe nevoile nesatisfăcute ale pacienților, în primul rând. Cele mai benefice inovații AI în domeniul sănătății, ca orice altă inovație, sunt mai degrabă bazate pe nevoi decât pe tehnologie. Ele îmbunătățesc experiența de îngrijire umană fără a o împiedica. Sau, mai bine spus, medicina digitală este medicină, în același mod în care tehnologia cu adevărat bună nu este despre tehnologie, ci se îmbină în toate aspectele vieții noastre de zi cu zi.
Design centrat pe om pentru o integrare perfectă a fluxului de lucru
Pentru a realiza acest tip de integrare perfectă a fluxului de lucru, proiectarea centrată pe om este esențială. Acest lucru necesită implicarea tuturor părților interesate relevante – inclusiv utilizatorii finali – încă de la începutul procesului de dezvoltare a unui produs. Philips, spre exemplu, folosește instrumente precum sesiuni de co-creare, fluxuri de lucru și analize complete la fața locului pentru a înțelege contextul în care este utilizată tehnologia AI.
O învățare consecventă din astfel de colaborări este faptul că AI în domeniul sănătății ar trebui să reducă supraîncărcarea de informații, mai degrabă decât să o mărească. Există exemplul radiologilor, care lucrează într-un mediu complex și sub presiune, rulând diferite aplicații software în paralel pe mai multe ecrane. Dacă algoritmii AI le cer să gestioneze aplicații suplimentare, efectul poate fi ca radiologii să petreacă de fapt mai mult timp procesând imagini medicale6. În schimb, algoritmii trebuie să se integreze perfect în fluxurile lor de lucru, oferind o experiență unificată fără a necesita schimbarea suplimentară a sarcinilor.
Dezvoltarea unei forțe de muncă pregătite pentru AI
Pentru a pregăti forța de muncă medicală de astăzi și de mâine pentru un viitor asigurat de AI și alte tehnologii digitale, educația este, de asemenea, esențială. Din ce în ce mai mult, medicii vor avea nevoie atât de cunoștințe biomedicale, cât și de datel, cu o înțelegere adecvată a punctelor forte și a limitărilor AI. Asistentele de lângă paturile de pacienți ar trebui, de asemenea, să se simtă confortabil folosind sistemele de sprijin bazate pe tehnologie, știind cum să integreze datele în propria lor experiență profesională. Un alt aspect important ține de informarea pacienților, de explicarea modului în care AI ajută la luarea deciziilor medicale.
Prin urmare, sistemele naționale de sănătate ar trebui să acorde prioritate inteligenței artificiale și științei datelor în programele lor educaționale. Instituții precum Societatea Europeană de Radiologie au cerut deja ca AI să fie inclusă în programele de studii pentru viitorii rezidenți de radiologie7. Alte specialități în care AI este foarte probabil să genereze noi aplicații sunt patologia și oncologia, care ar beneficia, de asemenea, de programe educaționale bazate pe experiența medicilor, a mediul academic și a industriei.
Philips promovează, de asemenea, o conștientizare largă a publicului cu privire la rolul emergent al inteligenței artificiale în îngrijirea medicală. De exemplu, prin consorțiul olandez Kickstart AI, a contribuit la un curs național de AI destinat publicului larg. Astfel de inițiative pot ajuta la familiarizarea oamenilor cu privire la AI, ceea ce ajută și crește receptivitatea în acest sene.
2. Date și tehnologie
Dezvoltarea de soluții bazate pe AI se bazează pe accesul la date de înaltă calitate. Însă, în realitate, datele actuale din domeniul sănătății sunt adesea blocate în sisteme disparate și deconectate, reprezentând o barieră care trebuie abordată pentru ca AI în domeniul sănătății să se extindă.
În raportul Future Health Index 2021, liderii din domeniul sănătății au menționat dificultățile legate de gestionarea datelor și lipsa de interoperabilitate și standarde de date drept cele mai mari obstacole în calea adoptării tehnologiei de sănătate digitală în spitalul sau unitatea lor de sănătate. Aceste provocări pot îngreuna compilarea datelor de înaltă calitate necesare pentru formarea modelelor AI, în special dacă acele modele se bazează pe date din surse diferite.
Promovarea schimbului de date și a interoperabilității
Pentru a depăși aceste provocări, sunt necesare infrastructuri de platforme robuste și interconectate pentru colectarea, combinarea și analizarea datelor. Pe măsură ce îngrijirea medicală devine din ce în ce mai extinsă, de la spital acasă, astfel de infrastructuri trebuie să acopere întregul continuum de îngrijire pentru a conecta datele pacienților de la un capat la celălalt. Prin intermediul platformei Philips HealthSuite, bazată pe cloud, Philips ajută furnizorii de servicii medicale să colecteze, să compileze și să analizeze date din mai multe surse, inclusiv fișe medicale, imagini și date de monitorizare, precum și dispozitive personale de sănătate.
În al doilea rând, interoperabilitatea și partajarea standardizată a datelor între diferite spitale și sisteme de sănătate este cheia pentru a exploata întregul potențial al datelor și al inteligenței artificiale în îngrijirea medicală. Datele ar trebui să fie disponibile în formate care pot fi partajate fără efort, transparent și în siguranță, într-un mod care este în conformitate cu reglementările relevante privind confidențialitatea acestora.
Apoi, legislația ar trebui să permită schimbul securizat și accesul la date adnotate corespunzător pentru cercetarea AI și practica clinică, salvând în același timp confidențialitatea pacientului. Prin urmare, sunt necesare inițiativele precum crearea unui spațiu european comun de date privind sănătatea, care este menit să promoveze un schimb mai bun și un acces mai bun la diferite tipuri de date de sănătate, de la fișe electronice de sănătate până la date genomice, în statele membre ale UE.
3. Guvernare și încredere
Pentru a consolida încrederea publicului și a profesioniștilor în AI în domeniul sănătății, progresul tehnologic trebuie să meargă mână în mână cu o guvernanță adecvată în ceea ce privește confidențialitatea datelor, securitatea și etica.
Când au fost întrebați ce i-ar împiedica pe consumatori să folosească tehnologia digitală a sănătății, 41% dintre respondenții Future Health Index au clasificat „preocupările cu privire la confidențialitatea sau securitatea datelor” drept bariera numărul unu10. Dar AI în domeniul sănătății aduce cu sine și alte riscuri, care necesită standarde și garanții suplimentare. De exemplu, ar trebui să încurajăm încrederea adecvată în AI, prevenind în același timp ca medicii să se bazeze exclusiv pe aeasta, deoarece niciun algoritm nu va fi infailibil. De asemenea, trebuie să fim conștienți de faptul că AI poate exacerba inegalitățile existente în materie de sănătate prin seturi de date părtinitoare care nu reprezintă cu exactitate populația țintă.
4. Parteneriate și noi modele de afaceri
Într-un sector la fel de complex precum cel al sănătății, niciun jucător individual nu are toate soluțiile. Parteneriatele, integrarea ecosistemelor și noile modele de afaceri, cum ar fi piețele de software bazate pe SaaS, devin, prin urmare, din ce în ce mai importante în introducerea AI în practica clinică.
Derularea proiectelor AI de succes necesită o colaborare între clinicieni, cercetători, pacienți, factori de decizie din spitale și profesioniști IT. Parteneriatele sunt cheia pentru reunirea acestor discipline. De exemplu, în BigMedilytics – un consorțiu de date mari susținut de UE condus de Philips Research – se lucrează cu parteneri clinici la dezvoltarea modelelor predictive pentru rezultatele intervențiilor chirurgicale pentru cancerul de prostată, care pot sprijini medicii și pacienții în deciziile lor de tratament, pentru rezultate mai bune și pentru a crește calitatea vieții pacienților.
Prin parteneriate și integrarea ecosistemelor, furnizorii mari de soluții de îngrijire medicală precum Philips pot facilita spitalelor încorporarea de aplicații AI în fluxurile lor de lucru. De exemplu, în radiologie, aceasta poate lua forma unei piețe de software curate care le permite radiologilor să descarce aplicații validate de la un număr mare de dezvoltatori terți printr-o platformă comună, fără să își facă griji legat de integrare. Prin furnizarea de astfel de servicii prin cloud pe bază de software ca serviciu (SaaS), aplicațiile AI pot fi implementate mai ușor și actualizate în timp, pentru inovație continuă.
În cele din urmă, criteriile clare pentru rambursarea AI în îngrijirea medicală vor fi, de asemenea, cruciale pentru o adoptare mai largă. Astăzi, finanțarea AI este încă incertă în multe cazuri. Schemele de rambursare nu au fost concepute având în vedere AI, iar tranziția de la un sistem de sănătate în care decontarea serviciilor medicale se face în funcţie de numărul de pacienţi, la un model în care unităţíle medicale sunt evaluate în funcţie de rezultatele obţinute pentru tratarea pacienţilor ar contribui la crearea cadrului adecvat în acest sens. Sigur că acest lucru trebuie să meargă mână în mână cu mai multe studii clinice care stabilesc rezultate îmbunătățite prin utilizarea AI, demonstrând valoarea acesteia pentru furnizori, plătitori și pacienți12.
În mod clar, există o multitudine de provocări, iar multe dintre ele nu sunt legate de tehnologie în sine. Pentru a stimula adoptarea AI în domeniul sănătății, trebuie să avem o viziune mult mai largă și să ne întrebăm cum poate fi integrat cel mai bine AI în fluxurile de lucru, politicile și ecosistemele care fac posibilă transformarea reală. Numai abordând acești factori de sprijin vom putea să ne îndeplinim pe deplin promisiunea de a îmbunătăți experiența pacienților și a cadrelor medicale.
Referințe
[1] World Health Organization. https://www.who.int/news/item/28-05-2019-addressing-the-18-million-health-worker-shortfall-35-concrete-actions-and-6-key-messages
[2] Medscape National Physician Burnout & Suicide Report 2021
[3] Scientific American. https://blogs.scientificamerican.com/observations/electronic-health-records-and-doctor-burnout/
[4] Kelly, CJ, Karthikesalingam, A, Suleyman, M, Corrado, G, King, D. 2019. Key challenges for delivering clinical impact with artificial intelligence. BMC Medicine 17, 1:195. https://doi.org/10.1186/s12916-019-1426-2
[5] Strohm, L, Hehakaya, C, Ranschaert, ER, Boon, WPC, Moors, EHM. 2020. Implementation of artificial intelligence (AI) applications in radiology: hindering and facilitating factors. European Radiology. 30, 5525–5532. https://doi.org/10.1007/s00330-020-06946-y
[6] Kwee, TC, Kwee, RM. 2021. Workload of diagnostic radiologists in the foreseeable future based on recent scientific advances: growth expectations and role of artificial intelligence. Insights Imaging 12, 88 https://doi.org/10.1186/s13244-021-01031-4
[7] Richardson, ML, Garwood, ER, Lee, Y, et al. 2021. Noninterpretive Uses of Artificial Intelligence in Radiology, Academic Radiology, 28(9). https://doi.org/10.1016/j.acra.2020.01.012
[8] Rieke, N, Hancox, J, Li, W, et al. 2020. The future of digital health with federated learning. NPJ Digital Medicine, 3, 119. https://doi.org/10.1038/s41746-020-00323-1
[9] Frid-Adar, M, Diamant, I, Klang, E, et al. 2018. GAN-based synthetic medical image augmentation for increased CNN performance in liver lesion classification. Neurocomputing. 321:321-331. https://doi.org/10.1016/j.neucom.2018.09.013
[10] https://www.accenture.com/us-en/insights/health/leaders-make-recent-digital-health-gains-last
[11] https://www.beckershospitalreview.com/healthcare-information-technology/healthcare-cios-in-2020-3-key-priorities-how-the-role-is-evolving.html
[12] McKinsey and EIT Health. Transforming healthcare with AI: the impact on the workforce and organisations. https://www.mckinsey.com/industries/healthcare-systems-and-services/our-insights/transforming-healthcare-with-ai