5 طرق لاستخدام الذكاء الاصطناعي التوليدي في الرعاية الصحية

تتوقع شركة برايس ووترهاوس كوبرز أن ترتفع تكاليف الرعاية الصحية بنسبة 7٪ في عام 2024. وتعزى هذه الزيادة في المقام الأول إلى العاملين في مجال الرعاية الصحية الذين يعانون من الإرهاق، والنقص اللاحق في القوى العاملة، والنزاعات بين الدافعين ومقدمي الخدمات، والتضخم. ولضمان رعاية فعالة للمرضى دون تكبد تكاليف تشغيلية باهظة، تستكشف الصناعة تقنيات مبتكرة، مثل الذكاء الاصطناعي التوليدي في الرعاية الصحية.

وتشير تقارير شركة أكسنتشر إلى أن 40% من ساعات عمل مقدمي الرعاية الصحية يمكن تعزيزها باستخدام الذكاء الاصطناعي، في حين يشير مقال نشرته مجلة فوربس مؤخرا إلى أن هذه التكنولوجيا يمكن أن توفر على القطاع الطبي في الولايات المتحدة ما لا يقل عن 200 مليار دولار من النفقات السنوية.

يستخدم الذكاء الاصطناعي التوليدي في الرعاية الصحية خوارزميات التعلم الآلي لتحليل البيانات غير المنظمة، مثل السجلات الصحية للمرضى والصور الطبية والتسجيلات الصوتية للاستشارات وما إلى ذلك، وإنتاج محتوى جديد مشابه لما تم التدريب عليه.

في هذه المقالة، ستشرح شركتنا لتطوير الذكاء الاصطناعي كيف يمكن للتكنولوجيا أن تدعم مؤسسات الرعاية الصحية.

حالات استخدام الذكاء الاصطناعي التوليدي في الرعاية الصحية

1. تسهيل التدريب الطبي والمحاكاة
2. المساعدة في التشخيص السريري
3. المساهمة في تطوير الأدوية
4. أتمتة المهام الإدارية
5. توليد البيانات الطبية الاصطناعية

تسهيل التدريب الطبي والمحاكاة

يمكن أن يأتي الذكاء الاصطناعي التوليدي في مجال الرعاية الصحية بمحاكاة واقعية تحاكي مجموعة كبيرة ومتنوعة من الحالات الصحية، مما يسمح لطلاب الطب والمهنيين بممارسة المهنة في بيئة خالية من المخاطر وخاضعة للرقابة. يمكن للذكاء الاصطناعي إنشاء نماذج للمرضى المصابين بأمراض مختلفة أو المساعدة في محاكاة عملية جراحية أو إجراء طبي آخر.

يتضمن التدريب التقليدي سيناريوهات مبرمجة مسبقًا، وهي مقيدة. من ناحية أخرى، يمكن للذكاء الاصطناعي إنشاء حالات مريضة بسرعة والتكيف في الوقت الفعلي مع الاستجابة للقرارات التي يتخذها المتدربون. وهذا يخلق تجربة تعليمية أكثر تحديًا وأصالة.

مثال واقعي

قامت جامعة ميشيغان ببناء نموذج ذكاء اصطناعي توليدي في الرعاية الصحية يمكنه إنتاج سيناريوهات مختلفة لمحاكاة علاج الإنتان.

نشرت جامعة بنسلفانيا نموذجًا توليديًا للذكاء الاصطناعي لمحاكاة انتشار كوفيد-19 واختبار التدخلات المختلفة. وقد ساعد ذلك الباحثين على تقييم التأثير المحتمل للتباعد الاجتماعي والتطعيم على الفيروس.

المساعدة في التشخيص السريري

إليك كيف يمكن للذكاء الاصطناعي التوليدي للرعاية الصحية أن يساهم في التشخيص:

• توليد صور طبية عالية الجودة . يمكن للمستشفيات استخدام أدوات الذكاء الاصطناعي التوليدية لتعزيز القدرات التشخيصية التقليدية للذكاء الاصطناعي. يمكن لهذه التقنية تحويل عمليات الفحص ذات الجودة الرديئة إلى صور طبية عالية الدقة بتفاصيل رائعة، وتطبيق خوارزميات الذكاء الاصطناعي للكشف عن الحالات الشاذة، وتقديم النتائج إلى أطباء الأشعة.
• تشخيص الأمراض . يمكن للباحثين تدريب نماذج الذكاء الاصطناعي التوليدية على الصور الطبية والاختبارات المعملية وبيانات المرضى الأخرى لاكتشاف وتشخيص الحالات الصحية المختلفة. يمكن لهذه الخوارزميات اكتشاف سرطان الجلد وسرطان الرئة والكسور المخفية والعلامات المبكرة لمرض الزهايمر واعتلال الشبكية السكري وغير ذلك الكثير. بالإضافة إلى ذلك، يمكن لنماذج الذكاء الاصطناعي أن تكشف عن المؤشرات الحيوية التي يمكن أن تسبب اضطرابات معينة وتتنبأ بتطور المرض.
• الإجابة على الأسئلة الطبية . يمكن لأخصائيي التشخيص اللجوء إلى الذكاء الاصطناعي التوليدي في الرعاية الصحية إذا كانت لديهم أسئلة بدلاً من البحث عن إجابة في الكتب الطبية. يمكن لخوارزميات الذكاء الاصطناعي معالجة كميات كبيرة من البيانات وإنشاء الإجابات بسرعة، مما يوفر للأطباء وقتًا ثمينًا.

أمثلة من واقع الحياة

قام فريق من الباحثين بتجربة نماذج شبكة الخصومة التوليدية (GAN) لاستخراج الميزات وتحسينها في عمليات الفحص الطبي منخفضة الجودة، وتحويلها إلى صور عالية الدقة. تم اختبار هذا النهج على فحوصات التصوير بالرنين المغناطيسي للدماغ، وتنظير الجلد، وتنظير قاع الشبكية، وصور الموجات فوق الصوتية للقلب، مما أظهر معدل دقة فائقًا في اكتشاف الحالات الشاذة بعد تحسين الصورة.

وفي مثال آخر، تم تدريب Med-Palm 2 المدعوم بالذكاء الاصطناعي من Google على مجموعة بيانات MedQA وحقق معدل دقة بنسبة 85% أثناء الإجابة على الأسئلة الطبية ذات الصلة. تعترف جوجل بأن الخوارزمية لا تزال بحاجة إلى التحسين، لكنها بداية قوية للذكاء الاصطناعي التوليدي كمساعد تشخيصي.

المساهمة في تطوير الأدوية

ووفقاً لمكتب الميزانية في الكونجرس، فإن عملية تطوير الأدوية الجديدة تتكلف في المتوسط ​​ما بين مليار إلى ملياري دولار، وهذا يشمل أيضاً الأدوية الفاشلة. ولحسن الحظ، هناك أدلة تشير إلى أن الذكاء الاصطناعي لديه القدرة على خفض الوقت اللازم لتصميم وفحص الأدوية الجديدة بمقدار النصف تقريبا، مما يوفر لصناعة الأدوية حوالي 26 مليار دولار من النفقات السنوية في هذه العملية. بالإضافة إلى ذلك، يمكن لهذه التكنولوجيا أن تقلل التكاليف المرتبطة بالتجارب السريرية بمقدار 28 مليار دولار سنويًا.

يمكن لشركات الأدوية نشر الذكاء الاصطناعي التوليدي في مجال الرعاية الصحية لتسريع اكتشاف الأدوية من خلال:

• تصميم وتوليد جزيئات جديدة ذات خصائص مرغوبة يمكن للباحثين تقييمها لاحقًا في إعدادات المختبر
• التنبؤ بخصائص مرشحي الأدوية الجديدة والبروتينات
• إنشاء مركبات افتراضية ذات ارتباط عالي بالهدف يمكن اختبارها في عمليات المحاكاة الحاسوبية لتقليل التكاليف
• التنبؤ بالآثار الجانبية للأدوية الجديدة من خلال تحليل بنيتها الجزيئية

يمكنك العثور على مزيد من المعلومات حول دور الذكاء الاصطناعي في اكتشاف الأدوية وكيف يسهل التجارب السريرية على مدونتنا.

أمثلة من واقع الحياة

يعد ظهور الشراكات الإستراتيجية بين شركات التكنولوجيا الحيوية والشركات الناشئة في مجال الذكاء الاصطناعي علامة مبكرة على سيطرة الذكاء الاصطناعي على صناعة الأدوية.

في الآونة الأخيرة، استحوذت شركة Recursion Pharmaceuticals على شركتين كنديتين ناشئتين في مجال الذكاء الاصطناعي مقابل 88 مليون دولار. إحداها، فالينس، معروفة بقدراتها التوليدية في مجال الذكاء الاصطناعي وستعمل على تصميم مرشحات للأدوية بناءً على مجموعات بيانات صغيرة وصاخبة لا تكفي للطرق التقليدية لاكتشاف الأدوية.

مثال آخر مثير للاهتمام يأتي من جامعة تورنتو. قام فريق بحث ببناء نظام ذكاء اصطناعي توليدي، ProteinSGM، يمكنه توليد بروتينات واقعية جديدة بعد دراسة تمثيلات الصور لهياكل البروتين الموجودة. يمكن لهذه الأداة إنتاج البروتينات بمعدل مرتفع، ثم يتم نشر نموذج آخر للذكاء الاصطناعي، وهو OmegaFold، لتقييم إمكانات البروتينات الناتجة. أفاد الباحثون أن معظم التسلسلات المولدة حديثًا تتحول إلى هياكل بروتينية حقيقية.

أتمتة المهام الإدارية

هذه واحدة من أبرز حالات استخدام الذكاء الاصطناعي في مجال الرعاية الصحية. تشير الدراسات إلى أن معدل الإرهاق بين الأطباء في الولايات المتحدة قد وصل إلى 62%. من المرجح أن يتورط الأطباء الذين يعانون من هذه الحالة في حوادث تعرض مرضاهم للخطر ويكونون أكثر ميلاً إلى تعاطي الكحول والأفكار الانتحارية.

ولحسن الحظ، يمكن للذكاء الاصطناعي التوليدي في مجال الرعاية الصحية أن يخفف العبء عن كاهل الأطباء جزئيًا من خلال تبسيط المهام الإدارية. ويمكنه في الوقت نفسه تقليل التكاليف المرتبطة بالإدارة، والتي تمثل، وفقًا لشركة HealthAffairs، ما بين 15% إلى 30% من إجمالي الإنفاق على الرعاية الصحية. إليك ما يمكن أن يفعله الذكاء الاصطناعي التوليدي:

• استخراج البيانات من السجلات الطبية للمرضى وملء السجلات الصحية المقابلة. تخطط Microsoft لدمج الذكاء الاصطناعي التوليدي في السجل الصحي الإلكتروني الخاص بـ Epic. ستؤدي هذه الأداة العديد من المهام الإدارية، مثل الرد على رسائل المرضى.
• قم بتدوين وتلخيص استشارات المرضى، وملء هذه المعلومات في حقول السجل الصحي الإلكتروني المقابلة، وإنتاج الوثائق السريرية. قامت Microsoft Nuance بدمج تقنية الذكاء الاصطناعي التوليدية GPT-4 في برنامج النسخ السريري الخاص بها. يمكن للأطباء بالفعل اختبار الإصدار التجريبي.
• إنشاء تقارير صحية منظمة من خلال تحليل معلومات المريض، مثل التاريخ الطبي ونتائج المختبر وعمليات المسح وما إلى ذلك.
• تقديم توصيات العلاج
• الإجابة على استفسارات الأطباء
• ابحث عن الفترات الزمنية المثالية لجدولة المواعيد بناءً على احتياجات المرضى وتوافر الأطباء
• إنشاء تذكيرات شخصية بالمواعيد ورسائل بريد إلكتروني للمتابعة
• قم بمراجعة مطالبات التأمين الطبي وتوقع أي منها من المحتمل أن يتم رفضه
• قم بتأليف استطلاعات لجمع تعليقات المرضى حول الإجراءات والزيارات المختلفة، وتحليلها، وإنتاج رؤى قابلة للتنفيذ لتحسين تقديم الرعاية

مثال واقعي

قامت شركة Navina، وهي شركة طبية ناشئة تعمل بالذكاء الاصطناعي، ببناء مساعد ذكاء اصطناعي منتج يساعد الأطباء على معالجة واجباتهم الإدارية بكفاءة أكبر. يمكن لهذه الأداة الوصول إلى بيانات المرضى، بما في ذلك السجلات الصحية الإلكترونية، ومطالبات التأمين، والمستندات الممسوحة ضوئيًا، وتقديم تحديثات الحالة، والتوصية بخيارات الرعاية، والإجابة على أسئلة الأطباء. ويمكنه أيضًا إنشاء مستندات منظمة، مثل خطابات الإحالة وملاحظات التقدم.

وقد حصلت نافينا بالفعل على تمويل بقيمة 44 مليون دولار، مما يدل على الاهتمام القوي من المجتمع الطبي.

توليد البيانات الطبية الاصطناعية

تعتمد الأبحاث الطبية على الوصول إلى كميات هائلة من البيانات حول الحالات الصحية المختلفة. هناك نقص مؤلم في هذه البيانات، خاصة عندما يتعلق الأمر بالأمراض النادرة. كما أن جمع هذه البيانات أمر مكلف، ويخضع استخدامها ومشاركتها لقوانين الخصوصية.

يمكن للذكاء الاصطناعي التوليدي في الطب إنتاج عينات بيانات اصطناعية يمكنها زيادة مجموعات البيانات الصحية الواقعية ولا تخضع لأنظمة الخصوصية، لأن بيانات الرعاية الصحية لا تنتمي إلى أفراد معينين. يمكن للذكاء الاصطناعي إنشاء بيانات السجلات الصحية الإلكترونية وعمليات المسح وما إلى ذلك.

أمثلة من واقع الحياة

قام فريق من الباحثين الألمان ببناء نموذج مدعوم بالذكاء الاصطناعي، GANerAid، لتوليد بيانات المرضى الاصطناعية للتجارب السريرية. يعتمد هذا النموذج على نهج GAN ويمكنه إنتاج بيانات طبية بالخصائص المطلوبة حتى لو كانت مجموعة بيانات التدريب الأصلية محدودة الحجم.

قام فريق آخر من العلماء بتجربة الذكاء الاصطناعي التوليدي لتجميع السجلات الصحية الإلكترونية. كان الدافع وراء الباحثين هو لوائح خصوصية البيانات المقيدة وعدم القدرة على مشاركة بيانات المرضى بشكل فعال بين المستشفيات. لقد قاموا ببناء نموذج EHR-M-GAN الذي يمكنه استخلاص بيانات السجلات الصحية الإلكترونية غير المتجانسة والمختلطة (بمعنى أنها تحتوي على قيم مستمرة ومنفصلة) التي تمثل مسارات المريض بشكل واقعي.

الاعتبارات الأخلاقية وتحديات الذكاء الاصطناعي التوليدي في الرعاية الصحية

على الرغم من أن عمالقة التكنولوجيا والاستشارات يواصلون الاستثمار في الذكاء الاصطناعي، يمكننا أيضًا أن نرى كيف يحذر خبراء الذكاء الاصطناعي البارزون، بما في ذلك الرئيس التنفيذي لشركة Tesla Elon Musk والرئيس التنفيذي لشركة OpenAI Sam Altman، من المخاطر المرتبطة بالتكنولوجيا. إذًا، ما هي التحديات التي يجلبها الذكاء الاصطناعي التوليدي إلى الرعاية الصحية؟

• التحيز . أداء نماذج الذكاء الاصطناعي جيد مثل مجموعة البيانات التي تم تدريبهم عليها. إذا كانت البيانات لا تمثل السكان المستهدفين بشكل عادل، فسيترك هذا مجالًا للتحيز ضد المجموعات الأقل تمثيلاً. وبما أن أدوات الذكاء الاصطناعي التوليدية تم تدريبها على كميات هائلة من بيانات سجلات المرضى، فإنها سوف ترث أي تحيز موجود هناك، وسيكون من الصعب اكتشافه، ناهيك عن القضاء عليه.
• عدم وجود لوائح . على الرغم من أن الذكاء الاصطناعي يمثل مخاوف أخلاقية كبيرة، إلا أنه لا توجد لوائح رسمية حتى الآن تحكم استخدام هذه التكنولوجيا. وتعمل الولايات المتحدة والاتحاد الأوروبي على إضفاء الطابع الرسمي على السياسات ذات الصلة، ولكن هذا لن يحدث في المستقبل القريب.
• مخاوف الدقة . يرتكب الذكاء الاصطناعي أخطاء بالفعل، وفي مجال الرعاية الصحية، يكون ثمن مثل هذه الأخطاء مرتفعًا إلى حد ما. على سبيل المثال، يمكن لنماذج اللغة الكبيرة (LLMs) أن تسبب الهلوسة. بمعنى أنها يمكن أن تنتج نتائج محتملة نحويًا ولكنها غير صحيحة في الواقع. ستحتاج مؤسسات الرعاية الصحية إلى أن تقرر متى تتسامح مع الأخطاء ومتى تطلب من نموذج الذكاء الاصطناعي شرح استنتاجاته. على سبيل المثال، إذا تم استخدام الذكاء الاصطناعي التوليدي للمساعدة في تشخيص السرطان، فمن غير المرجح أن يتبنى الأطباء مثل هذه الأداة إذا لم تتمكن من تبرير توصياتها.
• المساءلة . من المسؤول عن النتيجة الصحية النهائية؟ هل هو الطبيب أم بائع الذكاء الاصطناعي أم مطورو الذكاء الاصطناعي أم طرف آخر؟ يمكن أن يكون لانعدام المساءلة تأثير سلبي على التحفيز والأداء.

هل أنت مستعد لتعزيز ممارسة الرعاية الصحية لديك باستخدام الذكاء الاصطناعي التوليدي؟

أصبحت خوارزميات الذكاء الاصطناعي التوليدية قوية بشكل متزايد. وقال روبرت بيرل، الأستاذ السريري في كلية الطب بجامعة ستانفورد:

"تتضاعف قوة ChatGPT كل ستة أشهر إلى سنة. وفي غضون خمس سنوات، سيكون أقوى بـ 30 مرة مما هو عليه اليوم. وفي غضون 10 سنوات، سيكون أقوى 1000 مرة. ما هو موجود اليوم هو مثل لعبة. في أدوات الجيل التالي، من المقدر أنه سيكون هناك تريليون معلمة، وهو العدد التقريبي للاتصالات في الدماغ البشري بشكل مثير للاهتمام.

يمكن أن يكون الذكاء الاصطناعي حليفًا قويًا، ولكن إذا أُسيء استخدامه، فقد يتسبب في أضرار جسيمة. تحتاج منظمات الرعاية الصحية إلى التعامل مع هذه التكنولوجيا بحذر. إذا كنت تفكر في نشر حلول قائمة على الذكاء الاصطناعي للرعاية الصحية، فإليك ثلاث نصائح للبدء:

• قم بإعداد بياناتك . حتى إذا قررت اختيار نموذج ذكاء اصطناعي جاهز ومدرب مسبقًا، فقد لا تزال ترغب في إعادة تدريبه على مجموعة البيانات الخاصة بك، والتي يجب أن تكون ذات جودة عالية وتمثل المجموعة السكانية المستهدفة. حافظ على أمان البيانات الطبية في جميع الأوقات وحماية خصوصية المريض. سيكون من المفيد الكشف عن مجموعة البيانات التي تم تدريب الخوارزمية عليها لأنها تساعد على فهم أين ستؤدي بشكل جيد وأين قد تفشل.
• السيطرة على نماذج الذكاء الاصطناعي الخاصة بك . تنمية مفهوم الذكاء الاصطناعي المسؤول في مؤسستك. تأكد من أن الأشخاص يعرفون متى وكيف يستخدمون الأدوات ومن يتحمل مسؤولية النتيجة النهائية. اختبر نماذج الذكاء الاصطناعي التوليدية في حالات الاستخدام ذات التأثير المحدود قبل التوسع في التطبيقات الأكثر حساسية. كما ذكرنا سابقًا، يمكن للذكاء الاصطناعي التوليدي أن يرتكب الأخطاء. قرر أين يكون معدل الفشل البسيط مقبولاً وأين لا يمكنك تحمله. على سبيل المثال، يمكن أن تكون الدقة بنسبة 98% كافية في التطبيقات الإدارية، ولكنها غير مقبولة في التشخيص والممارسات التي تواجه المريض. ابتكر إطارًا يحكم استخدام الذكاء الاصطناعي التوليدي في الرعاية الصحية في المستشفى الخاص بك.
• ساعد موظفيك على قبول التكنولوجيا واستخدامها . لا يزال الذكاء الاصطناعي بحاجة إلى التوجيه البشري، خاصة في قطاع الرعاية الصحية الخاضع لرقابة مشددة. يظل وجود الإنسان في الحلقة عنصرًا أساسيًا لنجاح التكنولوجيا. ومن المتوقع أن يشرف الطاقم الطبي والإداري على نماذج الذكاء الاصطناعي، لذلك تحتاج المستشفيات إلى التركيز على تدريب الأشخاص على هذه المهمة. ومن ناحية أخرى، يجب أن يكون الموظفون قادرين على إعادة اختراع روتينهم اليومي، بعد أن أصبح الذكاء الاصطناعي جزءًا منه، لاستخدام الوقت المتوفر لإنتاج القيمة.

هل تريد الاستفادة من الذكاء الاصطناعي التوليدي ولكنك غير متأكد من كيفية المتابعة؟ ترك لنا خطا! سنساعدك على إعداد بياناتك وتنفيذ الأداة ودمجها في عملياتك.

نُشر في الأصل على https://itrexgroup.com في 6 سبتمبر 2023.