Kako sistemi veštačke inteligencije kao što je ChatGPT budu ušli u svakodnevnu upotrebu, lekari će početi da vide ove alate uključene u njihovu kliničku praksu kako bi im pomogli da donesu važne odluke o dijagnozi i lečenju uobičajenih zdravstvenih stanja. Ovi alati, koji se nazivaju algoritmi za podršku kliničkom odlučivanju (CDS), mogu biti od velike pomoći u pomaganju davaocima zdravstvenih usluga usmere, na primer, koje antibiotike da prepišu ili da li da preporuče rizičnu operaciju srca.
Uspeh ovih novih tehnologija, međutim, u velikoj meri zavisi od toga kako lekari tumače i deluju na predviđanja rizika alata – a to zahteva jedinstven skup veština koje mnogima trenutno nedostaju, navodi se u novom perspektivnom članku objavljenom u Nev England Journal of Medicina koju je napisao fakultet Medicinskog fakulteta Univerziteta Merilend (UMSOM).
CDS algoritmi, koji daju predviđanja u uslovima kliničke neizvesnosti, mogu uključiti sve, od kalkulatora rizika izvedenih regresijom do sofisticiranog mašinskog učenja i sistema zasnovanih na veštačkoj inteligenciji. Oni se mogu koristiti za predviđanje kod kojih pacijenata je najverovatnije da će ući u sepsu opasnu po život od nekontrolisane infekcije ili koja terapija ima najveću verovatnoću da spreči iznenadnu smrt kod pojedinačnog pacijenta sa srčanim oboljenjima.
„Ove nove tehnologije imaju potencijal da značajno utiču na brigu o pacijentima, ali lekari moraju prvo da nauče kako mašine misle i rade pre nego što mogu da ugrade algoritme u svoju medicinsku praksu“, rekao je Daniel Morgan, MD, MS, profesor epidemiologije i javnog zdravlja na UMSOM i koautor perspektive.
Dok su neki alati za podršku donošenju kliničkih odluka već ugrađeni u sisteme elektronske medicinske dokumentacije, zdravstveni radnici često smatraju da je trenutni softver glomazan i težak za upotrebu.
„Lekari ne moraju da budu stručnjaci za matematiku ili računarstvo, ali moraju da imaju osnovno razumevanje šta algoritam radi u smislu prilagođavanja verovatnoće i rizika, ali većina njih nikada nije bila obučena za te veštine“, rekla je Ketrin Gudman, JD, Ph.D., docent za epidemiologiju i javno zdravlje na UMSOM-u i koautor perspektive.
Da bi se rešio ovaj jaz, medicinsko obrazovanje i klinička obuka moraju da uključe eksplicitno pokrivanje verovatnog zaključivanja posebno prilagođenog CDS algoritmima. Dr. Morgan, Goodman i njihov koautor Adam Rodman, MD, MPH, u Beth Israel Deaconess Medical Center u Bostonu, predložili su sledeće:
Univerzitet Merilend, Baltimor (UMB), Univerzitet Merilend, College Park (UMCP) i Univerzitet Merilend Medical Sistem (UMMS) nedavno su pokrenuli planove za novi Institut za zdravstveno računarstvo (IHC).
UM-IHC će iskoristiti nedavna dostignuća u veštačkoj inteligenciji, mrežnoj medicini i drugim računarskim metodama kako bi stvorio vrhunski sistem zdravstvene zaštite koji uči i procenjuje neidentifikovane i bezbedne digitalizovane zdravstvene podatke kako bi poboljšao dijagnostiku bolesti, prevenciju i lečenje.
Dr Gudman započinje poziciju u IHC-u, koji će biti sajt posvećen obrazovanju i obuci zdravstvenih radnika o najnovijim tehnologijama. Institut planira da na kraju ponudi sertifikaciju u nauci o zdravstvenim podacima među ostalim formalnim obrazovnim mogućnostima u oblasti nauke o podacima.
„Analiza verovatnoće i rizika je osnova za praksu medicine zasnovane na dokazima, tako da poboljšanje verovatnosnih veština lekara može da pruži prednosti koje se protežu dalje od upotrebe CDS algoritama“, rekao je UMSOM Dean Mark T. Gladvin, MD, potpredsednik za medicinske poslove , Univerzitet Merilend, Baltimor, i John Z. i Akiko K. Bovers uvaženi profesor.
„Ulazimo u transformativnu eru medicine u kojoj će nove inicijative poput našeg Instituta za računarstvo u zdravstvu integrisati ogromne količine podataka u sisteme mašinskog učenja kako bi personalizovali negu za pojedinačnog pacijenta.“
