AI พลิกโฉมการดูแลสุขภาพ แต่ไม่ใช่ในแบบที่คุณคาดหวัง  

ลองนึกภาพ: ถึงเวลาตรวจสุขภาพประจำปี แล้วถ่ายรูปดวงตาและผื่นผิวหนังแปลกๆ ตามแขนของคุณ การวินิจฉัยด้วยภาพ AI ตรวจสอบเรตินาของคุณเพื่อหาตัวบ่งชี้ทางชีวภาพของโรคจอประสาทตา 1 และยืนยันว่าผิวแห้งเป็นขุยส่วนใหญ่มีแนวโน้มเป็นโรคผิวหนังอักเสบ ซึ่งเป็นรายละเอียดที่บันทึกไว้ในไฟล์ผู้ป่วยของคุณ 

การนัดหมายของคุณเริ่มต้นด้วยการตรวจแมมโมแกรมทุกปีก่อนที่แพทย์จะเข้ามา และสอบถามเกี่ยวกับอาการกลากที่เกิดขึ้นเมื่อเร็วๆ นี้ พวกเขาตั้งใจฟังเมื่อคุณพูดถึงการเปลี่ยนแปลงรูปแบบการนอนของคุณเมื่อเร็ว ๆ นี้—ดวงตาจับจ้องมาที่คุณมากกว่าที่จะมองหน้าจอคอมพิวเตอร์ ก่อนที่การนัดหมายของคุณจะสิ้นสุดลง แพทย์ของคุณจะตรวจสอบการอ่านค่าแมมโมแกรมของคุณด้วย AI ยืนยันว่าเอ็กซ์เรย์ของคุณชัดเจน 2 โดยให้ผลลัพธ์ภายในหนึ่งชั่วโมงแทนที่จะเป็นสัปดาห์ 

เมื่อคุณออกไปแล้ว แพทย์ของคุณสามารถหันไปใช้ AI เพื่อสรุปบันทึกของผู้ป่วย และเน้นความแตกต่างเล็กๆ น้อยๆ ที่พวกเขาอาจพลาดไป แต่พวกเขาจะใช้เวลาเพิ่มเติมในการวิเคราะห์คำตอบของคุณต่อคำถามในการเช็คอินและปรับเปลี่ยนแผนการรักษาของคุณ รวมถึงแนะนำอาหารพิเศษสำหรับกลากและครีมทาเฉพาะที่

ในฐานะผู้ป่วย คุณจะไม่ได้โต้ตอบกับ AI โดยตรง อย่างน้อยก็ยังไม่ได้ แต่มันจะทำให้ชีวิตของแพทย์ง่ายขึ้น การวินิจฉัยของพวกเขาแม่นยำยิ่งขึ้น และประสบการณ์ของคุณน่าพึงพอใจมากขึ้น ยินดีต้อนรับสู่อนาคตของการดูแลสุขภาพ

พบกับผู้เชี่ยวชาญ

ในกรณีที่ระบบการรักษาพยาบาลของเราล้มเหลวแพทย์

การอภิปรายเกี่ยวกับระบบการรักษาพยาบาลมักเกี่ยวข้องกับความล้มเหลวของผู้ป่วย แต่เรามักลืมไปว่าระบบการรักษาพยาบาลก็ล้มเหลวเช่นกัน 

อัตราเหนื่อยหน่ายมี ในหมู่แพทย์เพิ่มขึ้นเรื่อยๆ ในช่วงทศวรรษที่ผ่านมา ในปี 2567 มีแพทย์มากกว่าครึ่ง รายงานความเหนื่อยหน่าย ใน รายงานความเหนื่อยหน่ายและภาวะซึมเศร้าของแพทย์ Medscape —และ 83% ของผู้รับกล่าวว่าความเหนื่อยหน่ายเป็นผลโดยตรงจากงานของพวกเขา ยิ่งไปกว่านั้น ผู้เชี่ยวชาญด้านสุขภาพสตรียังมีแนวโน้มที่จะรับมือกับภาวะเหนื่อยหน่ายอีกด้วย

ไบรอัน เฟอร์กูสัน ผู้ก่อตั้ง บริษัทเทคโนโลยีด้านสุขภาพ Arena Labs ,รู้สถิติดี บริษัทของเขานำเสนอโซลูชันที่ขับเคลื่อนด้วยข้อมูลเพื่อบรรเทาอาการเหนื่อยหน่ายโดยนำเสนอเครื่องมือการฝึกอบรมและกลยุทธ์แก่แพทย์ในแนวหน้า

“เหตุผลที่แพทย์และพยาบาลส่วนใหญ่เข้ามาดูแลสุขภาพก็เพื่อดูแลผู้ป่วย” เฟอร์กูสันอธิบาย “ส่วนหนึ่งของความเหนื่อยหน่ายคือพวกเขารู้สึกว่ามีภาระงานด้านการบริหารจัดการมากเกินไป พวกเขาไม่ได้ทำสิ่งที่พวกเขาลงทะเบียนในการดูแลผู้ป่วย”

ไม่มีโรงเรียนพยาบาลหรือโรงเรียนแพทย์ส่วนใดที่ฝึกอบรมแพทย์เกี่ยวกับวิธีการจัดการระบบประสาท พักผ่อน ฟื้นฟู [หรือ] ปรับสมดุลพลังงาน

เฟอร์กูสันซึ่งมีแม่ของตัวเองเป็นพยาบาล เคยทำงานในองค์กรที่มีประสิทธิภาพสูง เขาได้เห็นวิธีการสอนนักกีฬาชั้นนำ ครีเอทีฟ และผู้คนในกองทัพเกี่ยวกับปัจจัยของมนุษย์ (เช่น ความเข้าใจและการจัดการข้อจำกัดของผู้คน)

“พวกมันถูกสอนเกี่ยวกับความเชื่อมโยงระหว่างความชุ่มชื้นและการรับรู้ การนอนหลับ และความสามารถในการเพ่งสมาธิ องค์ประกอบพื้นฐานเหล่านี้ของสรีรวิทยาโดยกำเนิดของเรา” เฟอร์กูสันกล่าว อย่างไรก็ตาม การดูแลสุขภาพถือเป็นอุตสาหกรรมสุดท้ายที่ต้องคำนึงถึงปัจจัยของมนุษย์

'ไม่มีโรงเรียนพยาบาลหรือโรงเรียนแพทย์ใดที่ฝึกแพทย์ให้รู้วิธีจัดการระบบประสาท พักผ่อน ฟื้นฟู [หรือ] ปรับสมดุลพลังงาน' เขากล่าวเสริม

ความเหนื่อยหน่ายนี้ไม่เพียงแต่ทำให้ระบบการรักษาพยาบาลเสียหายมากกว่าเท่านั้น 260 ล้านเหรียญสหรัฐต่อปี แต่ยังทำให้ผู้ป่วยมีความเสี่ยงอีกด้วย แพทย์ที่รับมือกับภาวะเหนื่อยหน่ายคือ มีแนวโน้มที่จะมีส่วนร่วมเป็นสองเท่า ในอุบัติเหตุด้านความปลอดภัยของผู้ป่วย

'คำพูดยั่วยุประการหนึ่งที่ Arena Labs เป็นส่วนสำคัญน้อยที่สุดในความปลอดภัยของผู้ป่วยก็คือผู้ป่วย หากฉันเป็นคนที่ทั้งชีวิตมุ่งเน้นไปที่ตัวแปรภายนอกของบุคคลอื่นโดยยอมสูญเสียตัวเอง ฉันก็จะ ทำให้สิ่งที่เรามาทำเสื่อมเสียจริงๆ”

AI สามารถช่วยบรรเทาอาการเหนื่อยหน่ายได้อย่างไร

ลดภาระทางจิตของงานธุรการ

หลายๆ คนอาจคิดว่า AI เป็นหุ่นยนต์แห่งอนาคตที่ทำการผ่าตัดหัวใจแบบเปิดหรือการสร้างกระดูกสันหลังใหม่ที่ซับซ้อน (และใช่ สิ่งเหล่านี้มีอยู่จริง!) แต่เป้าหมายของการบูรณาการปัญญาประดิษฐ์เข้ากับพื้นที่ด้านสุขภาพไม่ใช่การแทนที่แพทย์ มันคือการช่วยเหลือพวกเขา

ป้ายวันที่ 7 ธันวาคม

'ในระยะเวลาอันใกล้นี้ การดูแลสุขภาพจะยังคงเป็นระบบของมนุษย์ต่อไป' เฟอร์กูสันกล่าว 'ไม่ว่าผู้คนที่ก้าวหน้าจะสามารถทำงานด้านเทคโนโลยีและการดูแลผู้ป่วยได้แค่ไหน ก็ยังมีมนุษย์ที่คอยดูแลสุขภาพของมนุษย์อีกคนหนึ่ง แม้แต่ AI ที่ดีที่สุดก็ไม่สามารถอธิบายความจำเป็นในการช่วยเหลือมนุษย์ แพทย์คนนั้นได้ เป็นตัวของตัวเองให้ดีที่สุด”

แล้วมันหมายความว่าอย่างไรสำหรับ AI? การสนับสนุนจำนวนน้อยที่สุดสามารถสร้างความแตกต่างได้มากที่สุด ตัวอย่างเช่น แพทย์ ใช้เวลาโดยเฉลี่ย 15.5 ชั่วโมงต่อสัปดาห์ ในงานธุรการ และงานที่น่าเบื่อแต่สำคัญนี้กลายเป็นจุดสนใจแรกของสตาร์ทอัพด้าน AI จำนวนมากในแวดวงการดูแลสุขภาพ

บริษัทอย่าง Freed AI, a เป็นไปตามมาตรฐาน HIPPA AI Scribe เปิดตัวในปี 2022 โดยมีเป้าหมายเพื่อลดงานเอกสารของแพทย์ เทคโนโลยีของบริษัทอ้างว่าสามารถลดเวลาในการจัดทำเอกสารของแพทย์ได้ถึง 95% และการลดลงอย่างมากนี้สะท้อนให้เห็นในการเปิดตัว AI Scribe ในเครือข่ายทางการแพทย์ขนาดใหญ่ เช่น กลุ่มการแพทย์ถาวร - กลุ่มนี้เผยแพร่ AI scribe ให้กับแพทย์มากกว่า 10,000 รายในเดือนตุลาคมปี 2023 ภายในเดือนเมษายนปี 2024 โดยรายงานว่า AI scribe ช่วยแพทย์ภายในกลุ่มได้อย่างน้อยหนึ่งชั่วโมงในการทำงานต่อวัน 

“ฉันได้ยินมาโดยสรุปจากพันธมิตรของเราที่เป็นแพทย์ สิ่งที่พวกเขาให้ความสำคัญมากที่สุดคือ AI ที่สร้างด้วยเสียงสำหรับการจดบันทึก และดูเหมือนว่าจะแก้ปัญหาได้อย่างลึกซึ้งที่สุด ทำให้พวกเขากลับสู่สิ่งที่พวกเขาต้องการได้ ที่จะทำ'

ลดภาระทางจิตของงานธุรการ

นอกเหนือจากการประหยัดเวลาที่จำเป็นของแพทย์แล้ว AI ยังเปิดประตูสู่การวินิจฉัยที่รวดเร็วยิ่งขึ้น ซึ่งอาจช่วยชีวิตทางอ้อมได้ มีผู้ป่วยประมาณ 795,000 ราย ต่อปีเสียชีวิตหรือทุพพลภาพอย่างถาวรจากการวินิจฉัยผิดพลาด แม้ว่าจะไม่มีการรับประกันว่า AI จะสามารถย้อนกลับสถิติเหล่านี้ได้ แต่ก็มีหลักฐานที่มีแนวโน้มว่าสามารถช่วยได้ 

การประเมิน ChatGPT เบื้องต้นใน วารสารการวิจัยอินเทอร์เน็ตทางการแพทย์ พบว่า Large Language Model (LLM) มี อัตราความแม่นยำในการวินิจฉัยผู้ป่วย 76.9% 3 - (โมเดลภาษาขนาดใหญ่เป็นหมวดหมู่ย่อยของเครื่องการเรียนรู้เชิงลึกที่ประมวลผลและสร้างภาษามนุษย์โดยเฉพาะ)

การวิจัยเพิ่มเติมสนับสนุนคำกล่าวอ้างนี้ โดยแสดงให้เห็นว่าเกือบจะมี AI แล้ว แม่นยำกว่าแพทย์ถึงสองเท่า ในการวินิจฉัยที่ถูกต้อง (59.1 ต่อ 33.6%) ยิ่งไปกว่านั้น การวิจัยในช่วงต้นปี 2019 แนะนำว่า AI อาจเป็นวิธีที่ดีที่สุดในการช่วยวินิจฉัยการบาดเจ็บที่ไตเฉียบพลัน (AKI) นานถึง 48 ชั่วโมงก่อนหน้านี้ 4 ซึ่งเป็นความสำเร็จที่ท้าทายที่ทำให้ผู้ป่วยไม่ได้รับการดูแลที่จำเป็น 

อย่างไรก็ตาม สำหรับความตื่นเต้นทั้งหมดที่อาจมีเกี่ยวกับ AI ในวงการแพทย์นั้น ยังมีข้อจำกัดอยู่ กล่าวคือ ตัวแพทย์เอง การศึกษาขนาดเล็กที่ตีพิมพ์ใน JAMA เครือข่ายเปิด เมื่อเดือนที่แล้วเปิดเผย LLM ไม่ได้สร้างความแตกต่างอย่างมีนัยสำคัญ 5 ในการช่วยเหลือแพทย์เมื่อเทียบกับทรัพยากรทั่วไป (แม้ว่าแชทบอท LLM จะมีประสิทธิภาพเหนือกว่าแพทย์อย่างมากก็ตาม เมื่อวินิจฉัยโซโล - แพทย์มักลังเลเมื่อ LLM เสนอความคิดเห็นที่แตกต่างจากของพวกเขาเอง และหลายคนไม่เข้าใจวิธีที่ถูกต้องในการกระตุ้น AI 

การค้นพบนี้ขัดแย้งกับสมมติฐานของนักวิจัยได้แก่ Jonathan H. Chen, นพ., Ph.D ., ผู้ช่วยศาสตราจารย์ที่ ศูนย์วิจัยสารสนเทศชีวการแพทย์สแตนฟอร์ด - ทีมงานคาดหวังว่าระบบ AI ของแชทบอทจะทำงานได้ดีโดยอิงจากการศึกษานำร่อง และสันนิษฐานว่าแพทย์ที่ได้รับมอบอำนาจด้วยเครื่องมือที่คล้ายกันน่าจะทำงานได้ดีกว่า

'ผลลัพธ์ที่ออกมาต้องเผชิญกับ 'ทฤษฎีบทพื้นฐานของสารสนเทศ' ที่สันนิษฐานว่าการผสมผสานระหว่างมนุษย์และคอมพิวเตอร์น่าจะมีประสิทธิภาพเหนือกว่าอย่างใดอย่างหนึ่ง' Chen กล่าว 'แม้ว่าฉันจะยังคงอยากจะเชื่อว่าสิ่งนั้นเป็นความจริง แต่ผลการศึกษาครั้งนี้แสดงให้เห็นว่าการฝึกอบรมโดยเจตนา การบูรณาการ และการประเมินผลเป็นสิ่งจำเป็นเพื่อให้ตระหนักถึงศักยภาพนั้นอย่างแท้จริง'

เราทุกคนจะต้องเรียนรู้ทักษะใหม่ ๆ ในการโต้ตอบกับระบบ Chatbot AI เพื่อกระตุ้นและเจรจาให้พวกเขาประพฤติตนในแบบที่เราต้องการ

แม้ว่า LLM มักจะเป็นศูนย์กลางของการอภิปรายในการวินิจฉัยผู้ป่วย แต่ก็ไม่ใช่เครื่องมือเดียวสำหรับแพทย์และผู้ปฏิบัติงานพยาบาล ระบบการเรียนรู้เชิงลึกก็เป็นส่วนสำคัญของการสนทนาเช่นกัน 

ระบบการเรียนรู้เชิงลึกหมายถึงเครื่องจักรการเรียนรู้ที่เรียนรู้จากข้อมูลโดยใช้โครงข่ายประสาทเทียม ระบบ AI เหล่านี้สามารถทำได้ ตรวจหาภาวะโลหิตจางจากภาพจอประสาทตา 6 และ เผยสัญญาณของโรคจอประสาทตาเบาหวาน 1 เช่นเดียวกับฮีโมโกลบิน glycated ที่เพิ่มขึ้น (ตัวบ่งชี้ระดับน้ำตาลในเลือดสูงและความเสี่ยงที่เพิ่มขึ้นของปัญหาสุขภาพที่เกี่ยวข้องกับโรคเบาหวาน) 

ในความเป็นจริง ยังมีโมเดลการเรียนรู้เชิงลึกเพื่อช่วยเหลืออย่างรวดเร็วและแม่นยำอีกด้วย อ่านแมมโมแกรม - ใช่แล้ว ข้อมูลนี้แสดงให้เห็นการประเมินที่คล้ายกันกับนักรังสีวิทยาที่ผ่านการฝึกอบรมเมื่ออ่านภาพแมมโมแกรมดิจิทัลแบบเต็มสนาม

ไม่ต้องสงสัยเลยว่า AI สามารถและจะทำได้  ปฏิวัติวิธีการวินิจฉัยผู้ป่วย แต่ปีหน้าจะปูทางให้ผู้ประกอบวิชาชีพด้านการแพทย์เข้าใจวิธีใช้ปัญญาประดิษฐ์อย่างเหมาะสมเพื่อแจ้งและช่วยเหลือในการวินิจฉัยโรค 

ช่วยให้แพทย์กรองข้อมูลที่มีมากเกินไป

การปรับปรุงการวินิจฉัยเป็นจุดสนใจในทันทีของการวิจัย AI ส่วนใหญ่ แต่กรณีการใช้งานปัญญาประดิษฐ์จำนวนนับไม่ถ้วนทำให้แน่ใจได้ว่ายังห่างไกลจากจุดสิ้นสุด นอกจากนี้ คาดว่า AI จะมีบทบาทสำคัญในการเปลี่ยนแปลงการรักษาด้วยรังสี 

บทวิจารณ์ปี 2023 ที่เผยแพร่ใน วารสารวิจัยรังสี พบว่า AI สามารถช่วยได้อย่างมาก ลดเวลาที่จำเป็นในการสร้างแผนการรักษาโรคมะเร็ง จากหลายวันให้เหลือเพียงนาที หรือไม่ใช่วินาที 

ผลกระทบของ AI ยังไปไกลกว่าวิธีที่เรารับการรักษาไปจนถึงการสร้างการรักษาด้วยตัวมันเอง บริษัทเทคโนโลยีชีวภาพที่ขับเคลื่อนด้วย AI ยาอินซิลิโก ซึ่งมีมูลค่า 895 ล้านดอลลาร์ ขณะนี้อยู่ระหว่างการทดลองในมนุษย์สำหรับยาตัวแรกที่พัฒนาขึ้นโดยใช้เทคโนโลยี generative AI 

การรักษา ISM001-055 มีไว้สำหรับผู้ที่เป็นโรคปอดเรื้อรังที่ไม่ทราบสาเหตุ (IPF) ซึ่งเป็นโรคที่ส่งผลกระทบต่อผู้คนมากกว่า 100,000 คน ผลลัพธ์เบื้องต้นเบื้องต้น แสดงให้เห็นถึงคำมั่นสัญญาในการรักษา ซึ่งผู้ป่วย IPF สามารถยอมรับได้ดี

แม้แต่ AI ที่ดีที่สุดก็ไม่สามารถอธิบายความจำเป็นในการช่วยมนุษย์หรือแพทย์ให้เป็นตัวของตัวเองได้ดีที่สุด

อะไรจะเกิดขึ้น

เมื่อมองไปสู่ปี 2025 เราจะยังคงเข้าใจวิธีที่ AI สามารถช่วยจัดการกับภาวะแทรกซ้อนที่ใหญ่ที่สุดในด้านการดูแลสุขภาพได้ เช่น การวินิจฉัยผิดพลาด ความเหนื่อยหน่าย และการวิจัยทั่วไป แต่ยังเป็นที่ชัดเจนว่าการฝึกอบรมที่จำเป็นมากเพียงใดเพื่อให้แน่ใจว่า AI ที่อยู่เพียงปลายนิ้วของเราจะถูกนำไปใช้อย่างมีประสิทธิภาพ

ปัญหาการขาดแคลนทักษะด้านเทคโนโลยีสร้างภัยพิบัติให้กับอุตสาหกรรมการดูแลสุขภาพแล้ว เนื่องจากการลงทุนด้าน AI เพิ่มขึ้นจาก 2 หมื่นล้านดอลลาร์ในปี 2567 เป็นเกือบ 150 พันล้านดอลลาร์ภายในห้าปีข้างหน้า การฝึกอบรมบุคลากรที่มีทักษะซึ่งสามารถใช้ AI เพื่อปรับปรุงเอกสาร การสื่อสาร และขั้นตอนการทำงานจึงเป็นสิ่งจำเป็นสำหรับอุตสาหกรรมการดูแลสุขภาพ 

“การดูแลสุขภาพถือเป็นองค์กรแบบเดิมในหลายๆ ด้าน เนื่องจากเต็มไปด้วยเทคโนโลยี ดังนั้นการนำเทคโนโลยีใหม่ๆ มาใช้จึงเป็นงานหนัก และหลายครั้งที่งานยังทำได้ไม่ดีนัก” เฟอร์กูสันอธิบาย

เขาชี้ให้เห็นถึงการแนะนำระบบการผ่าตัดหุ่นยนต์ดาวินชี ซึ่งช่วยให้มีวิธีการผ่าตัดที่มีการบุกรุกน้อยที่สุด เมื่อนำเข้าสู่ห้องผ่าตัด แพทย์หลายคนบ่นว่าเทคโนโลยีไม่ดีหรือทำงานได้ไม่ดี ระบบหุ่นยนต์ถูกเพิ่มเข้าไปในการตั้งค่า OR ที่มีอยู่ เมื่อพวกเขาต้องการการตั้งค่าที่แตกต่างไปจากเดิมอย่างสิ้นเชิงเพื่อให้เจริญเติบโต

เพื่อให้แน่ใจว่า AI สามารถช่วยให้แพทย์ประสบความสำเร็จได้ สิ่งสำคัญคือต้องนำเทคโนโลยีไปใช้อย่างเหมาะสม (หรือเราล้มวัตถุประสงค์)

'ถ้าฉันใช้ AI เพื่อจดบันทึก นั่นหมายความว่าเวิร์กโฟลว์ของฉันต้องเปลี่ยนแปลง และฉันต้องมีพื้นที่สำหรับใช้ระบบอัตโนมัตินั้น และนำมันกลับมาในลูป ซึ่งโดยปกติแล้วจะต้องทำงานมากกว่าที่คิดไว้ และถ้าทำไม่ดี ก็จะยิ่งสร้างความเครียดให้กับระบบของมนุษย์มากขึ้น'

ในอีกไม่กี่ปีข้างหน้า ผู้ปฏิบัติงานด้านการดูแลสุขภาพจะต้องเรียนรู้วิธีใช้ AI ซึ่งเป็นสิ่งที่ Chen เปรียบเสมือนการนำอินเทอร์เน็ตมาใช้

'แม้ว่าเราจะทำกิจกรรมออนไลน์ในแต่ละวัน เช่น การค้นหาทางอินเทอร์เน็ต เรียกดูบทความ และการทำธุรกรรมออนไลน์ แต่ทักษะเหล่านี้ล้วนเป็นทักษะที่เราได้เรียนรู้มา (และตัวเราเมื่อ 35 ปีก่อนคงไม่รู้ว่าต้องทำอย่างไร) 'เฉินกล่าว “ในทำนองเดียวกัน ฉันคาดหวังว่าเราทุกคนจะต้องเรียนรู้ทักษะใหม่ๆ ในการโต้ตอบกับระบบ AI ของแชทบอท เพื่อกระตุ้นและเจรจาให้พวกเขาประพฤติตนในแบบที่เราต้องการ”

แล้วการไปพบแพทย์ด้วย AI ดังกล่าวหมายความว่าอย่างไร? เราน่าจะห่างไกลก่อนที่มันจะกลายเป็นความจริง ในตอนนี้ เฟอร์กูสันให้เหตุผลว่า 'บทบาทที่ดีที่สุดของปัญญาประดิษฐ์คือการทำให้มนุษย์มีความเป็นมนุษย์มากขึ้น'

ซึ่งหมายถึงการลดภาระการรับรู้ของแพทย์ ช่วยให้วันของพวกเขามีความเครียดน้อยลง และช่วยให้ต้นแบบบริการนี้กลับไปสู่จุดประสงค์หลักในท้ายที่สุด นั่นคือการช่วยเหลือผู้อื่น