Umělá inteligence a lékaři nabízejí různé silné stránky ve virtuální nouzové léčbě

Umělá inteligence a lékaři nabízejí různé silné stránky ve virtuální nouzové léčbě

Poskytnou lékaři nebo umělá inteligence (AI) lepší doporučení léčby pro pacienty, kteří jsou vidět v prostředí virtuální pohotovostní péče? Nová studie Cedars-Sinai ukazuje, že lékaři a modely umělé inteligence mají různé silné stránky.

Pozdní studie, prezentovaná na zasedání American College of Physicians Internal Medicine a publikovaná současně vAnnals of Internal Medicineporovnali počáteční doporučení pro léčbu AI s konečnými doporučeními lékařů, kteří měli přístup k doporučením AI, ale mohli nebo nemuseli je přezkoumat.

"Zjistili jsme, že počáteční doporučení AI byla hodnocena výše než konečná doporučení lékaře pro běžné stavy urgentní péče," řekl Joshua Pevnick, MD, MSHS, spoluředitel oddělení informatiky Cedars-Sinai, docent medicíny a spoluautor studie. "Například umělá inteligence byla obzvláště úspěšná při označování infekcí močových cest, které mohou být způsobeny bakteriemi rezistentními na antibiotika, a navrhuje, aby byla před předepsáním léků objednána kultivace."

Pevnick však řekl, že zatímco umělá inteligence je lepší v identifikaci kritických varovných signálů, „umožnila lékařům lépe porozumět historii pacientů a podle toho přizpůsobit jejich doporučení“.

Retrospektivní studie byla provedena s použitím dat z Cedars-Sinai Connect, virtuálního programu primární a urgentní péče, který začal v roce 2023. Rozšíření osobní péče Cedars-Sinai, Cedars-Sinai Connect, si klade za cíl rozšířit virtuální zdravotní péči o pacienty v Kalifornii prostřednictvím mobilní aplikace, která lidem umožňuje rychlý a snadný přístup k akutní a preventivní péči odborníků na chronickou a preventivní péči Cedars-Sina.

Studie zhodnotila 461 lékařských návštěv s doporučeními AI od 12. června do 14. července 2024. Mezi hlavní zdravotní problémy řešené během těchto naléhavých virtuálních návštěv patřili dospělí s respiračními, močovými, vaginálními, zrakovými nebo zubními příznaky.

Pacienti používající mobilní aplikaci zahajují návštěvy zadáním svých zdravotních problémů a poskytnutím demografických informací pro uživatele, kteří ji poprvé používají. Expertní model umělé inteligence provádí strukturovaný dynamický rozhovor, který shromažďuje informace o symptomech a anamnéze. V průměru pacienti během pěti minut odpoví na 25 otázek.

Algoritmus využívá pacientovy odpovědi a také data z pacientových elektronických zdravotních záznamů k poskytování počátečních informací o nemocech se souvisejícími příznaky. Poté, co pacienti s možnou diagnózou prezentují své příznaky, mobilní aplikace umožňuje pacientům zahájit videonávštěvu lékaře.

Algoritmus také navrhuje diagnostická a léčebná doporučení, která může zobrazit ošetřující lékař Cedars-Sinai Connect, ačkoli během studie může Cedars-Sinai Connect posouvat požadované lékaře, aby je mohl zobrazit.

Největší nejistotou v této studii je, zda byli lékaři posouváni dolů, aby se podívali na recepty, objednávky, doporučení nebo jiné návrhy řízení ze strany AI a zda tato doporučení začlenili do svého klinického rozhodování. Nicméně skutečnost, že doporučení AI byla často hodnocena jako kvalitnější než rozhodnutí lékařů, naznačuje, že podpora rozhodování AI, pokud je účinně implementována v místě péče, může zlepšit klinické rozhodování u běžných a akutních stavů. “

Caroline Goldzweig, MD, hlavní lékařka sítě Cedars-Sinai Medical Network a spoluautorka studie

Systém umělé inteligence používaný pro Cedars-Sinai Connect byl vyvinut společností K Health a vytvořil technologii pro snížení zátěže klinického příjmu a zadávání dat, což lékařům umožňuje více se soustředit na péči o pacienty. Společnosti K Health a Cedars-Sinai vyvinuly Cedars-Sinai Connect prostřednictvím společného podniku a spolupracovaly na výzkumné studii. Na studii se podíleli také vyšetřovatelé Tel Avivské univerzity, včetně prvního autora Dana Zeltzera, PhD.

„Umělou inteligenci jsme testovali v reálných podmínkách, ne ve vymyšlených scénářích,“ řekl Ran Shaul, spoluzakladatel a hlavní produktový ředitel společnosti K Health. "V realitě každodenní primární péče existuje tolik proměnných a faktorů, které se zabývají komplexními lidmi, a každá umělá inteligence se musí vypořádat s neúplnými daty a velmi různorodou populací pacientů."

Shaul řekl, že vyšetřovatelé zjistili, že pokud trénujete AI na pokladu deidentifikovaných klinických poznámek a používáte každodenní péči poskytovatele jako neustále posilovaný mechanismus učení, „můžete dosáhnout úrovně přesnosti, kterou byste očekávali od lidského lékaře“.

Mezi další autory zapojené do studie patří Dan Zeltzer, PhD; MUDr.Žehavi Kugler; Lior Hayat, MD; Tamar Brufman, MD; Ran Ilan Ber, PhD; Keren Leibovich, PhD; Tom Beer, MSC; a Ilan Frank, MSc.

Tato práce byla podpořena finančními prostředky od K Health.

Zdroje: