Edison AI ve GE Healthcare Platformu’nun (GEHC) kıdemli başkan yardımcısı ve genel müdürü Vignesh Shetty’ye göre, yeni kurallar ve gereksinimler sağlık hizmetlerinin karmaşıklığına katkıda bulunuyor.
Sağlık Bilişim Haberleri Shetty’ye 360-hasta görünümünde bizimle en son konuşmasından bu yana kaydedilen ilerlemeyi sordu. veriye dayalı içgörülerde heyecan verici gelişmeleralgoritmaların zorlu veri alışverişlerini nasıl başardığının yanı sıra.
S. 360 hasta görüşü açısından, sağlık sonuçlarının iyileştirilmesine yönelik ne gibi ilerlemeler kaydedildi?
A. Doktorlar tarafından tümörleri tespit etmek için kullanılan MRI tarayıcılarından acil servis veya yoğun bakım ünitesindeki COVID hastalarının akciğerlerini görüntülemek için kullanılan mobil röntgen ünitelerine kadar, doktorlar ve hastalar tıbbi cihazlara gömülü yapay zekadan yararlanıyor.
Amaç, daha hızlı teşhislere ve ideal olarak daha iyi hasta sonuçlarına katkıda bulunmak için ihtiyaç duyulan yerde ve zamanda yapay zeka araçlarına sahip olmaktır.
AI’nın sağlık hizmetlerindeki somut etkisinin bir örneği, mobil bir X-ray cihazına gömülü endüstride ilk AI algoritmalarından oluşan bir koleksiyon olan GEHC’nin Critical Care Suite’idir. GEHC’nin Edison platformunu kullanarak California San Francisco Üniversitesi (UCSF) ile işbirliği içinde oluşturulan yapay zeka algoritmaları, radyologların, dönüşü azaltmaya yardımcı olmak için yaygın, ancak bazen yaşamı tehdit eden, çökmüş bir akciğer türü olan şüpheli bir pnömotoraksı önceliklendirmesine ve işaretlemesine yardımcı olur. zaman civarında.
University Hospital Cleveland’da yakın zamanda yapılan bir inceleme, Kritik Bakım Paketi kullanılırken, pnömotoraks için pozitif olan acil muayeneler için raporlama süresinde %78’lik bir azalma olduğunu (3 saat 22 dakikadan 44 dakikaya) gösterdi.
GEHC’nin yapay zeka özellikli cihazları arasındaki bir başka yenilik de, MRI incelemeleri için görüntü kalitesinden ödün vermeden tarama süresini %50’ye kadar azaltabilen, öncü, derin öğrenmeye dayalı bir görüntü yeniden yapılandırma algoritması olan AIRTM Recon DL teknolojisidir.
Teknolojiyi kullanan Chicago bölgesinde bulunan Duely Health and Care, bekleme sürelerini kısaltarak daha fazla hastayı daha erken görmelerini sağladı.
Doktorlardan biri masa başında geçirdikleri sürenin 45 dakika yerine 10 dakikanın altında azalmasının önemli olduğunu söyledi. hastalar için iyileştirmeözellikle sırt ağrısı çekenler.
S. Veri standartları kesin olarak tanımlanmadığı için birlikte çalışabilirlik gecikti. Bu nasıl değişiyor?
A. Sağlık hizmeti verilerinin bir model olarak FHIR temsilini ve API temsili yoluyla gevşek bağlantı yoluyla desteklenen birlikte çalışabilirliği zorunlu kılan Cures Yasasının benimsenmesinin, geleneksel EHR sistemleri ve üzerinde çalışacak yeni çağ yenilikçi iş yükleri genelinde birlikte çalışabilirliği artırmaya yardımcı olacağına inanıyoruz. geleneksel platformlar
Bunlar, benzer hedeflere sahip uluslararası ve ulusal girişimleri tamamlar. Örneğin, Amerika Birleşik Devletleri Sağlık Bilgi Teknolojisi Ulusal Koordinatörü Ofisi (ONC), sağlık sektörü için mevcut zorlukların hafifletilmesine önemli ölçüde yardımcı olması gereken çeşitli birlikte çalışabilirlik standartları ve kılavuzları yayınlamıştır.
S. Genomik veriler için bir standart olmadığından yapay zeka, bu zengin veri kümeleri için 1:1 müzakerenin ötesinde veri alışverişinin üstesinden gelmeye nasıl yardımcı olabilir?
A. AI algoritmaları, genomik verileri işlemek ve analiz etmek ve standart bir şekilde organize edilip biçimlendirilebilen genetik varyantlar veya mutasyonlar gibi ilgili bilgileri çıkarmak için kullanılabilir.
AI, genomik verileri anlamlandırmaya ve içgörüler çıkarmaya yardımcı olabilecek tahmine dayalı modeller veya diğer analitik araçlar oluşturarak hassas tıp hedefini hızlandırır.
Genomik dünyasında yaygın olan geleneksel standartların dışında, HL7 çalışma grupları, FHIR sürüm 4 için genomik verilerin standartlaştırılmış bir temsilini beş kaynak aracılığıyla bir araya getirdi.
Aktif olarak geliştirilmekte olan FHIR V5, genomik kaynakları daha da iyi temsil ediyor, dolayısıyla bu eğilimin hızlanmasını bekliyoruz.
S. Bilgi engelleme kuralları yürürlükteyken yapay zeka, veri gizliliği talepleriyle daha fazla veri paylaşımı ve birlikte çalışabilirliği gerçekleştirmeye nasıl yardımcı olabilir?
A. Bilgi engelleme kuralının uygulanmasıyla, içgörülerin belirginliğinin ana değer kaynağı haline geldiğini fark ettik. Veri kıtlığı bağlamında gereksiz görünen yatırımlar, bolluk bağlamında ileri görüşlü hale gelir.
Örneğin, API’lerin otomasyonu yoluyla daha fazla veri aktıkça, veri boru hatlarındaki sızıntıları tespit etmek insanlar açısından imkansız hale gelir.
Yapılandırılmış veriler söz konusu olduğunda, makine öğrenimi algoritmaları, gizlilik açısından uyumlu kalmak için korunan sağlık bilgisi özelliklerini tanımlayabilir. İçin yapılandırılmamış veribunları yapılandırmak ve birlikte çalışabilirliği ele almak için derin öğrenme algoritmaları ve doğal dil işlemenin bir kombinasyonunu kullanabiliriz.
Andrea Fox, Healthcare IT News’in kıdemli editörüdür.
E-posta: afox@himss.org
Healthcare IT News, bir HIMSS yayınıdır.