שירותי בריאות הם יותר מביקורי רופא; זה מאמץ קבוצתי. אבל רוב הטכנולוגיות המונעות בינה מלאכותית הבנויות על נתוני מטופלים משתמשות רק במידע המסופק על ידי רופאים, תוך השמטת קלט מכריע מאחיות ומטפלי שיקום.
פרויקט חדשני ובינתחומי בראשות אוניברסיטת אילינוי בשיקגו ישתמש בבינה מלאכותית כדי לאחד נתונים ממגוון רחב יותר של מקצועות בריאות וליצור מערכי נתונים חדשים והוליסטיים שיכולים לשנות את שירותי הבריאות, להניע תגליות שמשפיעות לטובה על תוצאות המטופל והטיפול.
שיתוף הפעולה עם אוניברסיטת איווה, אוניברסיטת מיזורי ואוניברסיטת לויולה והשותפים הטכניים Microsoft ו-Tackle AI קיבלו עד 10 מיליון דולר מהסוכנות הפדרלית לפרויקטים מתקדמים למחקר לבריאות, או ARPA-H. הפרס הוא המימון הראשון של ARPA-H שקיבל UIC, אשר ישמש כמוסד הקבלני.
החוקרים ייצרו דרכים חדשות לשלב נתונים מובנים והערות טקסט חופשי מאחיות, מרפאות פיזיות ומרפאות בעיסוק, פתולוגים דיבור ושפה ורופאים לשימוש יעיל יותר בתיעוד בריאות אלקטרוני. הערות אלה מספקות לעתים קרובות מידע נוסף ובעל ערך על התקדמות המטופל, במיוחד כאשר הטיפול בו עובר מחוץ לבית חולים או למרפאה.
הפרויקט יתמקד בשתי אוכלוסיות חולים מורכבות: חולים שחוו פציעות הקשורות בנפילה ותינוקות במעבר מהיחידה לטיפול נמרץ יילודים לבית. שתי האוכלוסיות מסתמכות על הטיפול הניתן על ידי מגוון אנשי מקצוע בתחום הבריאות.
שירותי בריאות הם תהליך בינתחומי, אך כלי הנתונים והתשתית הקיימים מתעלמים מרוב הצוות. מקצועות אחרים רואים מטופלים בתדירות גבוהה יותר ומספקים נתונים מאוד נאמנים שמתקרבים למציאות של המטופל, במקום רק את התמונות הקצרות בזמן שאתה מקבל מנתונים שתועדו על ידי רופאים".
אנדרו בויד, אחד החוקרים הראשיים של הפרויקט ופרופסור למדעי מידע ביו-רפואי ובריאות ב-UIC
החוקרים ישתמשו בשיטות חישוביות מתקדמות על מערכי הנתונים החדשים כדי ליצור סיכומי טיפול לכל הצוות ויישומי AI חדשים וחזקים. הם גם ישתמשו בנתונים כדי לגלות תגליות מדעיות חדשות שישפרו את הטיפול והטיפול בחולים.
"נפילות וחולי טיפול נמרץ מצריכים טיפול של כל הצוות בזמן שהם נמצאים בבית החולים ובאמצעות מרפאות חוץ. אבל תיעוד מקוטע ומטופח מונע תקשורת", אמרה קתרין ק. קרייבן, חוקרת ראשית ומידענית ביו-רפואית בבית הספר לרפואה של אוניברסיטת מיזורי. "על ידי איחוד נתונים אלה, נוכל לשפר את התקשורת בין ספקי שירותי בריאות, המטופל ושותפיו לטיפול וליצור תובנות מדעיות חדשות המשפרות את תוצאות המטופלים."
ניתן ליישם את ההתקדמות הללו גם על תחומי טיפול אחרים בנוסף לנפילות ולמעברים בטיפול נמרץ, אמרה קארן דאן לופז, חוקרת ראשית ופרופסור לאחיות באוניברסיטת איווה.
"כאשר אתה מטפל בבעיות קשות מורכבות, התובנות שאתה מקבל והפתרונות שאתה מפתח יהיו ישימים ככל הנראה לבעיות מורכבות פחות", אמר לופז. "העבודה של הצוות שלנו תעזור לנו להבין כיצד להנחות קבלת החלטות ממוקדות במטופל לגבי הסינרגיה של הטיפול הניתן על ידי צוות רב-תחומי."
נתונים עמוקים יותר למקרים מורכבים
חלק גדול מההבטחה של בינה מלאכותית לבריאות היא הפוטנציאל שלה לחלץ אוטומטית תובנות מנתוני רשומות רפואיות אלקטרוניות. אלגוריתם עשוי להציע אבחנה על סמך תסמינים או תוצאות מעבדה, או להתאים למטופלים את הטיפול הספציפי שיהיה היעיל ביותר למקרה שלהם.
נתונים נוספים יכולים להוביל להנחיית AI טובה יותר. מחקר הראה כי הכללת תצפיות מאחיות בנתוני המטופלים יכולה להוביל לתחזיות מדויקות יותר לגבי מדדים כגון הסיכון למות בבית חולים מאשר הערות רופא ותוצאות מעבדה בלבד.
הערך של נתונים רב-תחומיים ברור במיוחד לניהול פציעות נפילה של מבוגרים, תחום מורכב להפליא של שירותי הבריאות. קשה למנוע נפילות ועלולות להוביל לתוצאות בריאותיות שליליות מרובות אצל מבוגרים.
המנבא העליון של הסיכון לנפילה הוא מספר הנפילות הקודמות, אך ייתכן שהמטופלים לא יספרו לרופאיהם על כל הנפילות שלהם. דיווחים על נפילות מביקורים בחדר מיון או מפגשי טיפול חוץ עלולים להתעלם משטף המידע בתיעוד הבריאות של המטופל.
מרפאים פיזיים ומרפאים בעיסוק אוספים גם מידע מפורט הרלוונטי לסיכון נפילה, כגון הערכות כוח ושיווי משקל. מכיוון שדיווחים אלה הם לרוב סובייקטיביים ומבוססים על טקסט, קשה לשלב אותם עם הערות רופא או נתונים מספריים כגון תוצאות בדיקות.
"הנתונים הם זהב, אבל עד שניתן להשתמש בהם, הם חסרי משמעות", אמר Tanvi Bhatt, פרופסור לפיזיותרפיה ומדעי השיקום ב-UIC וחוקר שותף בפרויקט. "ההערות המבוססות על הטקסט שיש לנו הן יותר סיפוריות ותיאוריות, בהשוואה לאמצעי מעבדה. אבל אם הטקסט הזה יאבד, אין רצף של טיפול".
איחוד נתונים אלה עם מקורות אחרים יכול לעזור לרופאים לזהות את הגורם לנפילות של מטופל ולקשר אותם עם ההתערבויות המתאימות ביותר למניעת פציעות עתידיות. זה גם יכול לעזור לחוקרים לתכנן ולבדוק מודלים חדשים של חיזוי של סיכון נפילה ולשתף את התובנות הללו עם מטופלים בשפה ברורה, אמר בהאט.
שילוב הנתונים הללו יסייע גם לערב את המטופל בהחלטות בתחום הבריאות, אמרה מרי כטאני, פרופסור למדעי ריפוי בעיסוק ושיקום ב-UIC וחוקרת שותפה בנושא המענק. ההערות הנרטיביות של מרפאות פיזיות ומרפאות בעיסוק מגיעות לרוב ישירות מראיונות עם מטופל ומשפחתו. ארגון הנתונים לשיתוף עם מטופלים והמטפלים שלהם יכול לעזור להם להרגיש מודעים ומעורבים יותר כשהם מנווטים שירותי בריאות מרובים מחוץ לבית החולים.
"אנו יודעים שהפרקטיקה הטובה ביותר היא מרכז את המומחיות של המטופל והמשפחה בקבלת החלטות כדי להשיג את התוצאות הטובות ביותר ולהשיג את הרכישה והדבקות שלהם", אמר Khetani. "אבל אנחנו לא יכולים לעשות את זה אם אנחנו מעמיסים עליהם מידע".
AI כמתורגמן בתחום הבריאות
מדעני המחשב בפרויקט ישתמשו ויפתחו כלים מתקדמים לכריית טקסט ועיבוד שפה כדי להתגבר על המכשולים הלשוניים והטכניים המונעים שילוב של נתונים מדיסציפלינות אחרות. המחקר יבדוק האם ניתן לאמן מודלים של שפה גדולים כדי לעזור להבין ולחבר נתוני טקסט בין מקצועות.
"נתונים רפואיים הם ייחודיים במובנים רבים, אחד הוא שהם נוטים לכלול ז'רגון ומונחים אחרים שאינם מופיעים בדרך כלל במקורות מקוונים פופולריים יותר", אמרה נטלי פרדה, פרופסור חבר למדעי המחשב ב-UIC וחוקרת שותפה בפרויקט. . "כלי עיבוד שפה נוטים לא לעבוד באותה מידה כשהם מיושמים על נתוני שירותי בריאות. אתגר טכני מרכזי במענק זה הוא להביא את הכלים והטכנולוגיות הללו לנקודה שבה נוכל להשתמש בהם בצורה מהימנה במסגרת שירותי בריאות".
לאחר השילוב, הנתונים מאחיות, מטפלים בשיקום ואנשי מקצוע אחרים בתחום הבריאות יכולים לסייע בהכשרת מודלים מפורטים יותר לניבוי סיכונים בריאותיים או יעילות הטיפול. כלי AI יכולים גם ליצור סיכומים תמציתיים של כמויות גדולות של טקסט ונתונים.
לדוגמה, רופא ראשוני עשוי לקבל תקציר המבוסס על ביקורי הפיזי והדיבור השבועיים של המטופל שלו. או שהוריו של פג יוכלו לקבל סיכום של הטיפולים הסיעודיים והשיקומיים המועברים בטיפול נמרץ, כדי לעזור להם לעבור לטיפול מעקב במרפאה או בסביבה טבעית כמו ביתם.
"זו לא רק שאלה של תרגום לשפת הדיוטות, זו באמת שאלה של להבין מה חשוב להציג למטופל או לספק שלו", אמרה ברברה די אוגניו, פרופסור קולג'י למדעי המחשב ב-UIC ופרויקט של וורן ס. חוקר שותף.
באמצעות האקתונים ופעילויות אחרות המשתמשות בנתונים לא מזוהים, הצוות יזמין גם מדעני נתונים ומפתחי תוכנה ליצור יישומים קליניים ומחקריים נוספים. כל הכלים שפותחו על ידי הפרויקט יהיו בקוד פתוח ויבנו עם קלט ומשוב ממומחים בתחום הבריאות.
השותפות מדגישה את החוזקות של UIC: שבע מכללות למדעי הבריאות המייצגות מגוון רחב של דיסציפלינות בריאות ומחלקה למדעי המחשב עם מומחיות מחקרית עמוקה בלמידת מכונה, עיבוד שפה טבעית ומדעי נתונים.
חברי צוות UIC נוספים בפרויקט כוללים את סמנתה בונד מהמכללה למדעי הבריאות השימושיים, מירי קוצ'ה מהמכללה להנדסה ודיוויד צ'סטק מהמכללה לרפואה.
"UIC הוא מקום נהדר שבו יש לנו את המגוון הזה של מיומנויות וכולם מכירים אחד את השני ועובדים יחד", אמר בויד. "אז כשההזדמנויות הנפלאות האלה צצות, אנחנו יכולים למשוך את כולם יחד, כולל המוסדות המשתפים פעולה שלנו, ולנסות לשנות את הדרך שבה אנחנו מסתכלים על נתוני שירותי הבריאות".
