Οι ευφυείς μηχανές κάνουν καλύτερη δουλειά από τους ανθρώπους στην ιατρική διάγνωση

Μέχρι τώρα, η ιατρική ήταν α κύρους και συχνά εξαιρετικά επικερδής επιλογή σταδιοδρομίας. Αλλά στο εγγύς μέλλον, θα χρειαστούμε τόσους γιατρούς που έχουμε τώρα; Θα δούμε σημαντική ιατρική ανεργία την επόμενη δεκαετία;

Ο Δρ Saxon Smith, πρόεδρος του Αυστραλιανού Ιατρικού Συλλόγου NSW υποκατάστημα, ανέφερε σε έκθεσή του στα τέλη του περασμένου έτους ότι οι πιο συνηθισμένες ανησυχίες που ακούει από εκπαιδευόμενους γιατρούς και φοιτητές ιατρικής είναι, "ποιο είναι το μέλλον της ιατρικής;" και «θα έχω δουλειά;». Οι απαντήσεις, είπε, συνεχίζουν να του διαφεύγουν.

Καθώς τα αυστραλιανά, τα βρετανικά και τα αμερικανικά πανεπιστήμια συνεχίζουν να αποφοιτούν με αυξανόμενο αριθμό φοιτητών ιατρικής, το προφανές ερώτημα είναι πού θα εργαστούν αυτοί οι νέοι γιατροί στο μέλλον;

Θα υπάρξει διευρυμένος ρόλος για τους ιατρούς λόγω της γήρανσης του πληθυσμού μας; Or μήπως η πίεση για μείωση του κόστους με ταυτόχρονη βελτίωση των αποτελεσμάτων είναι πιθανό να αναγκάσει την υιοθέτηση νέας τεχνολογίας, η οποία στη συνέχεια πιθανότατα θα διαβρώσει τον αριθμό των ρόλων που εκτελούνται επί του παρόντος από τους γιατρούς;

Μειώνοντας το κόστος

Όλες οι κυβερνήσεις, οι ασθενείς και οι γιατροί σε όλο τον κόσμο το γνωρίζουν αυτό το κόστος υγειονομικής περίθαλψης θα πρέπει να μειωθεί αν πρόκειται να περιποιηθούμε περισσότερους ανθρώπους. Μερικοί προτείνουν να κάνουν τους ασθενείς να πληρώνουν περισσότερα, αλλά όπως και να το πληρώνουμε, είναι σαφές ότι η μείωση του κόστους είναι αυτό που πρέπει να συμβεί.


εσωτερικά εγγραφείτε γραφικό


Η χρήση των ιατρικά ρομπότ για να βοηθήσουν ανθρώπινους χειρουργούς γίνεται όλο και πιο διαδεδομένη, αλλά, μέχρι στιγμής, χρησιμοποιούνται για να προσπαθήσουν να βελτιώσουν τα αποτελέσματα των ασθενών και όχι για να μειώσουν το κόστος της χειρουργικής επέμβασης. Η εξοικονόμηση κόστους μπορεί να έρθει αργότερα όταν αυτή η ρομποτική τεχνολογία ωριμάσει.

Είναι στον τομέα της ιατρικής διάγνωσης όπου πολλοί άνθρωποι βλέπουν πιθανή σημαντική μείωση του κόστους ενώ βελτιώνουν την ακρίβεια χρησιμοποιώντας τεχνολογία αντί για γιατρούς.

Είναι ήδη συνηθισμένο για ΕΞΕΤΑΣΕΙΣ ΑΙΜΑΤΟΣ και γενετικός έλεγχος (γονιδιωματική) να πραγματοποιείται αυτόματα και πολύ οικονομικά από μηχανές. Αναλύουν το δείγμα αίματος και παράγουν αυτόματα μια αναφορά.

Οι εξετάσεις μπορεί να είναι τόσο απλές όσο το επίπεδο αιμοσφαιρίνης (μέτρηση αίματος) έως εξετάσεις διαβήτη όπως ινσουλίνη ή επίπεδα γλυκόζης. Μπορούν επίσης να χρησιμοποιηθούν για πολύ πιο περίπλοκες δοκιμές, όπως η εξέταση της γενετικής σύνθεσης ενός ατόμου.

Ένα καλό παράδειγμα είναι η Thyrocare Technologies Ltd στη Βομβάη της Ινδίας, όπου περισσότεροι από 100,000 διαγνωστικές εξετάσεις από όλη τη χώρα γίνονται κάθε βράδυ και οι αναφορές παραδίδονται εντός 24 ωρών από τη λήψη αίματος από έναν ασθενή.

Μηχανές εναντίον ανθρώπων

Εάν τα μηχανήματα μπορούν να διαβάσουν εξετάσεις αίματος, τι άλλο μπορούν να κάνουν; Αν και σε πολλούς γιατρούς δεν θα αρέσει αυτή η σκέψη, κάθε δοκιμή που απαιτεί αναγνώριση μοτίβου θα γίνει τελικά καλύτερα από τον α μηχανή παρά άνθρωπος.

Πολλές ασθένειες χρειάζονται παθολογική διάγνωση, όπου ο γιατρός εξετάζει δείγμα αίματος ή ιστού, για να διαπιστώσει την ακριβή ασθένεια: εξέταση αίματος για διάγνωση λοίμωξης, βιοψία δέρματος για να διαπιστωθεί εάν η βλάβη είναι καρκίνος ή όχι και δείγμα ιστού ληφθεί από χειρουργό που θέλει να κάνει διάγνωση.

Όλα αυτά τα παραδείγματα, και μάλιστα όλες οι παθολογικές διαγνώσεις γίνονται από γιατρό χρησιμοποιώντας αναγνώριση προτύπων για να καθορίσει τη διάγνωση.

Οι τεχνικές τεχνητής νοημοσύνης που χρησιμοποιούν βαθιά νευρωνικά δίκτυα, τα οποία είναι ένα είδος μηχανικής μάθησης, μπορούν να χρησιμοποιηθούν για την εκπαίδευση αυτών των διαγνωστικών μηχανών. Οι μηχανές μαθαίνουν γρήγορα και δεν μιλάμε για ένα μόνο μηχάνημα, αλλά για ένα δίκτυο μηχανών που συνδέονται παγκοσμίως μέσω του Διαδικτύου, χρησιμοποιώντας τα συγκεντρωτικά δεδομένα τους για να συνεχίσουν να βελτιώνονται.

Δεν θα συμβεί από τη μια μέρα στην άλλη - θα χρειαστεί λίγος χρόνος για να μάθει κανείς - αλλά μόλις εκπαιδευτεί το μηχάνημα θα συνεχίσει να βελτιώνεται. Με την πάροδο του χρόνου, μια κατάλληλα εκπαιδευμένη μηχανή θα είναι ανώτερη στην αναγνώριση προτύπων από κάθε άνθρωπο που θα μπορούσε ποτέ να είναι.

Παθολογία είναι τώρα θέμα εργαστηρίων πολλών εκατομμυρίων δολαρίων που βασίζονται σε οικονομίες κλίμακας. Χρειάζονται περίπου 15 χρόνια από την αποχώρηση από το λύκειο για να εκπαιδεύσετε ένα παθολόγος να λειτουργήσει ανεξάρτητα. Πιθανώς χρειάζονται άλλα 15 χρόνια για να είναι ο παθολόγος τόσο καλός όσο θα ήταν ποτέ.

Λίγα χρόνια μετά από αυτό, θα συνταξιοδοτηθούν και όλη αυτή η γνώση και η εμπειρία χάνονται. Σίγουρα, θα ήταν καλύτερα αν η γνώση αυτή μπορούσε να συλληφθεί και να χρησιμοποιηθεί από τις μελλοντικές γενιές; Ένας ρομποτικός παθολόγος θα μπορούσε να κάνει ακριβώς αυτό.

Ακτινολογία, ακτινογραφίες και όχι μόνο

Οι ακτινολογικές εξετάσεις αντιπροσωπεύουν πάνω από 2 δις δολάρια ΗΠΑ από τις ετήσιες δαπάνες Medicare. Σε μια έκθεση του 2013, εκτιμήθηκε ότι την περίοδο 2014-15, 33,600,000 ακτινολογικές έρευνες θα παρουσιαστεί στην Αυστραλία. Ένας ακτινολόγος θα πρέπει να μελετήσει κάθε ένα από αυτά και να γράψει μια έκθεση.

Οι ακτινολόγοι διαβάζουν ήδη, κατά μέσο όρο, επταπλάσιο αριθμό μελετών την ημέρα από ό, τι πριν από πέντε χρόνια. Αυτές οι αναφορές, όπως αυτές που γράφτηκαν από παθολόγους, βασίζονται στην αναγνώριση προτύπων.

Επί του παρόντος, πολλοί ακτινολογικοί έλεγχοι που γίνονται στην Αυστραλία διαβάζονται από ακτινολόγους σε άλλες χώρες, όπως το Ηνωμένο Βασίλειο. Αντί να ζητήσει από έναν ειδικό στην Αυστραλία να σηκωθεί από το κρεβάτι στις 3 το πρωί για να διαβάσει μια σάρωση εγκεφάλου ενός τραυματισμένου ασθενούς, η εικόνα μπορεί να σταλεί ψηφιακά σε έναν γιατρό σε οποιαδήποτε κατάλληλη ζώνη ώρας και να αναφερθεί σχεδόν αμέσως.

Τι θα γινόταν αν τα μηχανήματα διδάσκονταν να διαβάζουν ακτίνες Χ που λειτουργούσαν στην αρχή και τελικά αντί για ανθρώπους ακτινολόγους; Θα χρειαζόμασταν ακόμα άνθρωπο ακτινολόγοι; Πιθανώς. Η βελτιωμένη απεικόνιση, όπως η μαγνητική τομογραφία και η αξονική τομογραφία, θα επιτρέψουν στους ακτινολόγους να πραγματοποιήσουν ορισμένες διαδικασίες που αναλαμβάνουν τώρα οι χειρουργοί.

Ο τομέας της διαγνωστικής ακτινολογίας επεκτείνεται ραγδαία. Σε αυτόν τον τομέα, οι ακτινολόγοι είναι σε θέση να διαγνώσουν και να θεραπεύσουν καταστάσεις όπως αιμορραγία των αιμοφόρων αγγείων. Αυτό γίνεται χρησιμοποιώντας ελάχιστα επεμβατικές τεχνικές, περνώντας σύρματα από μεγαλύτερα αγγεία για να φτάσει στο σημείο της αιμορραγίας.

Έτσι, οι ακτινολόγοι μπορεί να καταλήξουν να κάνουν διαδικασίες που γίνονται αυτή τη στιγμή από αγγειοχειρουργούς και καρδιοχειρουργούς. Η αυξημένη χρήση ρομποτικής υποβοηθούμενης χειρουργικής θα σημαίνει ότι αυτό είναι πιο πιθανό από ό, τι όχι.

Υπάρχουν πολλά περισσότερα για διάγνωση δερματικής βλάβης, εξάνθημα ή ανάπτυξη από το να το κοιτάζετε απλά. Αλλά μεγάλο μέρος της διάγνωσης βασίζεται στην αναγνώριση της βλάβης από τον δερματολόγο (πάλι, αναγνώριση μοτίβου).

Εάν η διάγνωση παραμένει ασαφής, τότε κάποιος ιστός (βιοψία) αποστέλλεται στο εργαστήριο για παθολογική διάγνωση. Έχουμε ήδη διαπιστώσει ότι ένα μηχάνημα μπορεί να διαβάσει το τελευταίο. Η ίδια αρχή ισχύει και για την αναγνώριση της δερματικής βλάβης.

Μόλις αναγνωριστεί και μάθει, η βλάβη θα μπορεί να αναγνωριστεί ξανά. Τα κινητά τηλέφωνα με κάμερες υψηλής ποιότητας θα μπορούν να συνδέονται με μια παγκόσμια βάση δεδομένων, η οποία, όπως κάθε άλλη βάση δεδομένων με μαθησιακή ικανότητα, θα συνεχίσει να βελτιώνεται.

Δεν είναι αν, αλλά πότε

Αυτές οι αλλαγές δεν θα συμβούν από τη μια μέρα στην άλλη, αλλά είναι αναπόφευκτες. Αν και πολλοί γιατροί θα δουν αυτές τις αλλαγές ως απειλή, η πιθανότητα για παγκόσμιο καλό είναι άνευ προηγουμένου.

Μια ακτινογραφία που ελήφθη στην ισημερινή Αφρική θα μπορούσε να διαβαστεί με την ίδια αξιοπιστία με αυτή που λήφθηκε σε ένα αυστραλιανό κέντρο αριστείας. Ένα μολυσματικό εξάνθημα θα μπορούσε να μεταφορτωθεί σε ένα τηλέφωνο και η διάγνωση να δοθεί αμέσως. Πολλές ζωές θα σωθούν και το κόστος της υγειονομικής περίθαλψης για τους φτωχούς του κόσμου μπορεί να είναι ελάχιστο και, σε πολλές περιπτώσεις, δωρεάν.

Για να γίνει αυτό πραγματικότητα, θα χρειαστούν ειδικοί για να εργαστούν με μηχανές και να τους βοηθήσουν να μάθουν. Αρχικά, μπορεί να ζητηθεί από τις μηχανές να κάνουν πιο απλές δοκιμές, αλλά σταδιακά θα διδαχθούν, όπως ακριβώς οι άνθρωποι μαθαίνουν τα περισσότερα πράγματα στη ζωή.

Το ιατρικό επάγγελμα πρέπει να αντιληφθεί αυτές τις ευκαιρίες για αλλαγή και οι μελλοντικοί νέοι γιατροί μας θα πρέπει να σκεφτούν προσεκτικά πού θα βρίσκονται οι ιατρικές θέσεις του μέλλοντος. Είναι σχεδόν βέβαιο ότι το τοπίο της ιατρικής απασχόλησης σε 15 χρόνια δεν θα μοιάζει με αυτό που βλέπουμε σήμερα.

Σχετικά με το ΣυγγραφέαςΗ Συνομιλία

Ross Crawford, Καθηγητής Ορθοπαιδικής Έρευνας, Queensland University of Technology. Anjali Jaiprakash, Μεταδιδακτορικός Ερευνητικός Συνεργάτης, Medical Robotics, Queensland University of Technology, και Jonathan Roberts, Καθηγητής Ρομποτικής, Queensland University of Technology

Αυτό το άρθρο δημοσιεύθηκε αρχικά στις Η Συνομιλία. Διαβάστε το αρχικό άρθρο.

Σχετικό βιβλίο:

at