יישום בינה מלאכותית (AI) לבתי חולים ב- NHS קשה בהרבה ממה שצפוי בתחילה, עם סיבוכים סביב ממשל, חוזים, איסוף נתונים, הרמוניזציה עם מערכות IT ישנות, מציאת כלים AI הנכונים והכשרה של הצוות, מוצא מחקר חדש חדש בבריטניה בהובלת חוקרי UCL.
מחברי המחקר, שפורסמו ב Lancet EclinicalMedicineנניח שהממצאים צריכים לספק למידה מועילה ומועילה לממשלת בריטניה, שתוכנית ה- NHS האחרונה של 10 שנים מזהה טרנספורמציה דיגיטלית, כולל AI, כפלטפורמה מרכזית לשיפור השירות והחוויה של המטופל.
בשנת 2023 השיקה NHS אנגליה תוכנית שתציג את AI שתסייע באבחון מצבי חזה, כולל סרטן ריאות, על פני 66 נאמנויות בית החולים NHS באנגליה, מגובה במימון של 21 מיליון ליש"ט. הנאמנים מקובצים ל -12 רשתות אבחון הדמיה: רשתות בית חולים אלה פירושו שלמעלה חולים יש גישה לחוות דעת מומחים. פונקציות מפתח של כלי AI אלה כללו עדיפות למקרים קריטיים לבדיקה מומחית ותמיכה בהחלטות המומחים על ידי הדגשת חריגות בסריקות.
מחקר זה נערך על ידי המכון הלאומי לחקר בריאות וטיפול (NIHR), נערך על ידי צוות מ- UCL, The Nuffield Trust ואוניברסיטת קיימברידג ', וניתוח כיצד רכש ופריסה מוקדמת של כלי ה- AI. המחקר הוא אחד המחקרים הראשונים שנתחו יישום בעולם האמיתי של AI בתחום הבריאות.
עדויות ממחקרים קודמים¹בעיקר מבוסס מעבדה, הציע כי AI עשוי להועיל לשירותי אבחון על ידי תמיכה בהחלטות, שיפור דיוק הגילוי, הפחתת שגיאות והקלת נטל כוח אדם.
במחקר זה בהובלת UCL, החוקרים בדקו כיצד רכשו כלי האבחון החדשים והוקמו באמצעות ראיונות עם צוותי בית החולים וספקי AI, תוך זיהוי כל מלכודות, אך גם כל הגורמים שעזרו להחליק את התהליך.
הם גילו כי הקמת כלי ה- AI ארכה זמן רב יותר מהצפוי בהנהגת התוכנית. ההתקשרות ארכה בין ארבעה לעשרה חודשים מהצפוי ועד יוני 2025, 18 חודשים לאחר סיום ההתקשרות, נועדו לסיים, שליש (23 מתוך 66) מנאמני בית החולים טרם השתמשו בכלים בפרקטיקה הקלינית.
אתגרים עיקריים כללו מעורבות של צוות קליני עם עומסי עבודה גבוהים כבר בפרויקט, הטמיעה את הטכנולוגיה החדשה בהזדקנות ומערכות IT של NHS מגוונות על פני עשרות בתי חולים וחוסר הבנה כללי וספקנות, בקרב הצוות לגבי השימוש ב- AI בתחום הבריאות.
המחקר זיהה גם גורמים חשובים שעזרו להטמיע AI כולל מנהיגות תכנית לאומית ורשתות הדמיה מקומיות חולקות משאבים ומומחיות, רמות גבוהות של מחויבות מצד יישום צוות בית חולים וניהול פרויקטים ייעודי.
החוקרים הגיעו למסקנה כי בעוד "כלי AI עשויים להציע תמיכה חשובה לשירותי אבחון. הם עשויים שלא להתייחס ללחצי שירותי הבריאות הנוכחיים באופן פשוט כמו שקובעי המדיניות עשויים לקוות" וממליצים כי צוות NHS יוכשר כיצד ניתן להשתמש ב- AI בצורה יעילה ובבטיחות וכי ניהול פרויקטים ייעודי משמש ליישום תוכניות כמו זה בעתיד.
הסופר הראשון ד"ר אנגוס רמזי (המחלקה למדעי ההתנהגות ובריאות UCL) אמר: "ביולי חשפו השרים את התוכנית של 10 שנים של הממשלה ל- NHS, שטרנספורמציה דיגיטלית היא פלטפורמה מרכזית.
"המחקר שלנו מספק שיעורים חשובים שצריכים לעזור בחיזוק גישות עתידיות ליישום AI ב- NHS.
"גילינו שלקח זמן רב יותר להציג את כלי ה- AI החדשים בתוכנית זו מאשר אלה שהובילו את התוכנית ציפו.
"בעיה מרכזית הייתה שהצוות הקליני כבר היה עסוק מאוד – מציאת זמן לעבור את תהליך הבחירה הייתה אתגר, כמו גם תמיכה בשילוב של AI עם מערכות IT מקומיות וקבלת אישורי ממשל מקומיים. שירותים שהשתמשו במנהלי פרויקטים ייעודיים מצאו את תמיכתם מועילה מאוד ביישום שינויים, אך רק שירותים מסוימים הצליחו לעשות זאת.
"כמו כן, נושא נפוץ היה החידוש של AI, מה שמרמז על צורך בהדרכה וחינוך רב יותר ב- AI ויישומו.
"כלי AI יכולים להציע תמיכה חשובה לשירותי אבחון, אך יתכן שהם לא מתייחסים ללחצי שירותי הבריאות הנוכחיים פשוט כמו שקובעי המדיניות עשויים לקוות."
החוקרים ערכו את הערכתם בין מרץ לספטמבר בשנה שעברה, ולמדו 10 מהרשתות המשתתפות והתמקדו לעומק בשש נאמני NHS. הם ראיינו צוותי רשת, צוות אמון וספקי AI, צפו בתכנון, ממשל והדרכה וניתחו מסמכים רלוונטיים.
חלק מרשתות ההדמיה ורבים מנאמני בית החולים שבתוכם היו חדשים לרכוש ולעבוד עם AI.
הבעיות הכרוכות בהקמת הכלים החדשים היו מגוונות – למשל, במקרים מסוימים אלה שהרכוש את הכלים הוצפו מכמות עצומה של מידע טכני מאוד, מה שהגדיל את הסבירות לפספס פרטי מפתח. החוקרים אמרו כי יש לקחת בחשבון רשימה קצרה מאושרת של ספקים פוטנציאליים כדי להקל על רכש ברמה המקומית.
בעיה נוספת הייתה חוסר התלהבות ראשוני בקרב חלק מהצוות NHS לטכנולוגיה החדשה בשלב מוקדם זה, כאשר כמה צוותים קליניים בכירים יותר מעוררים חששות מההשפעה הפוטנציאלית של קבלת החלטות AI ללא קלט קליני ובמקום בו הוחמצה האחריות במקרה שהוחמצה במצב. החוקרים מצאו כי ההכשרה המוצעת לצוות לא התייחסה לנושאים אלה מספיק על פני כוח העבודה הרחב יותר – ומכאן קריאתם להכשרה מוקדמת ומתמשכת בפרויקטים עתידיים.
אולם לעומת זאת, צוות המחקר מצא כי תהליך הרכש נתמך על ידי עצות מהנבחרת הלאומית ורשתות הדמיה הלומדות זו מזו. החוקרים צפו גם ברמות גבוהות של מחויבות ושיתוף פעולה בין צוותי בתי חולים מקומיים (כולל קלינאים ו- IT) העובדים עם צוותי ספקים של AI כדי להתקדם ביישום בבתי חולים.
בפרויקט זה, כל בית חולים בחר כלי AI מסיבות שונות, כמו התמקדות בסריקת רנטגן או CT, ומטרות, כגון לתעדף מקרים דחופים לבדיקה או לזהות תסמינים פוטנציאליים.
ה- NHS מורכב ממאות ארגונים עם דרישות קליניות שונות ומערכות IT שונות ומציג כל כלי אבחון המתאים לבתי חולים מרובים הוא מורכב ביותר. ממצאים אלה מצביעים על כך ש- AI אולי אינו כדור הכסף שחלקם קיוו לו, אך השיעורים ממחקר זה יעזרו ל- NHS ליישם כלי AI בצורה יעילה יותר. "
נעמי פולופ, סופר בכיר, פרופסור המחלקה למדעי ההתנהגות ובריאות
מגבלות
בעוד שהמחקר הוסיף לגוף הראיות המוגבל מאוד על יישום ושימוש ב- AI במסגרות בעולם האמיתי, הוא התמקד ברכש ובפריסה מוקדמת. החוקרים בוחנים כעת את השימוש בכלי AI לאחר פריסה מוקדמת כאשר היה להם סיכוי להטמיע יותר. יתר על כן, החוקרים לא ראיינו חולים ומטפלים ולכן הם מנהלים ראיונות כאלה כדי להתייחס לפערים חשובים בידע על חוויות ונקודות מבט של המטופלים, כמו גם שיקולי הון עצמי.
