AI invaderer alle områder av helsevesenet: eksamenslokale, diagnose, prognose, behandlingsmuligheter og unntak, HMO-ledelse, helseforsikringsgodtgjørelser osv. Neste gang du går til legekontor, noter hvor mye data de samler inn på du! ⁃ TN Editor
Pasienten lider av magesmerter, sammen med symptomer på atypiske steder, noe som gjør diagnosen vanskelig. En skarp undersøkelse avslører årsaken: en uvanlig form for blindtarmbetennelse. Kreditt går imidlertid ikke til radiologen. I stedet gjenkjenner en bildemaskin bygget med kunstig intelligenssteknologi, som kan trekke på kunnskap om titalls millioner lignende skanninger, avviket og stille diagnosen.
Det scenariet er ikke lenger ting av science fiction. Presset for å redusere kostnadene og øke produktiviteten, investerer produsenter av medisinsk utstyr og teknologiselskaper i økende grad i AI. Flere slike systemer eksisterer allerede, og veksten kan øke i løpet av de neste årene, spesielt innen diagnostisk bilde.
"Basert på vår analyse av AI-evner, samt diskusjoner med ledere og bransjeeksperter, ser vi en rekke applikasjoner over hele helsevesenet, fra forebygging til diagnose til oppfølging," sier Michael Jungling, leder for Morgan Stanley Research Medisinsk teknisk og tjenesteteam.
I en fersk rapport fant Jungling og kollegene at selv om hindringer for utvikling og distribusjon av MedTech AI lå foran - inkludert spørsmål rundt reguleringer og personvern av pasientdata - kunne vellykket implementering av AI på feltet øke produktiviteten, redusere behandlingskostnadene og drive vekst på tvers av helsekjedenes verdikjede.
Morgan Stanley anslår at det globale markedet for AI innen helsevesenet kan øke fra 1.3 milliarder dollar i dag til 10 milliarder dollar med 2024, og vokse med en årlig sammensatt rate på 40%. For investorer, store MedTech-selskaper og utstyrsleverandører, samt AI-teknologileverandører og nye oppstartsforstyrrere kan alle gi muligheter.
AI, maskinlæring og MedTech
AI har som mål å etterligne menneskelige kognitive prosesser, for eksempel læring og resonnement via algoritmer og store datasett. Den mest populære metoden er maskinlæring, der en modell trenes i et datasett - for eksempel tarmskanninger fra millioner av pasienter - for å uavhengig analysere og kategorisere nye datasett. Jo mer komplekst og større datamengde, jo mer forbedret er den kognitive resonneringsevnen til modellen.
Medisinsk AI har et stort potensial, fra å håndtere dialyse til å optimalisere pasientdosering til tidlig sykdomsdeteksjon. Mye avhenger imidlertid av kraften og utformingen av AI-en. "Tidslinjene for bruk av AI-aktivert MedTech vil sannsynligvis bestemmes av de håndgripelige økonomiske fordelene som produseres av produktet og den enkle bruken og integreringen i eksisterende arbeidsflyter," sier Jungling.
Vi er fremdeles i de tidlige stadiene. Med relativt beskjedne distribusjoner av AI, for eksempel assistent intelligens, som hjelper til med å redusere manuelle prosesser og enkle, men repeterende oppgaver, for eksempel avtaleplanlegging, slik at dyktige medisinske medarbeidere får mer tid til spesialisert og inntektsbringende arbeid.
Mer avanserte former for AI kan hjelpe medisinske fagpersoner med å ta beslutninger, ved å evaluere diagnostiske bilder og lage behandlingsplaner. Denne formen for AI, kjent som unsupervised machine learning, kan vurdere rå ustrukturerte data og søke etter mønstre. "Slik funksjonalitet kan føre til dramatiske forbedringer i produktiviteten, spesielt i kliniske miljøer hvor tilbudet av dyktige fagpersoner er begrenset," sier Jungling.
AI kunne etter hvert utføre oppgaver som diagnostikk uten brukerinput, men slike scenarier forblir langt nede i veien.
wpDiscuz