Новая задача сестринского дела: адаптация к рабочим процессам с поддержкой ИИ для повышения качества

Ожидается, что рынок искусственного интеллекта в здравоохранении расти на 37% ежегодно до 2030 года. Хотя по состоянию на 2021 год только пятая часть организаций здравоохранения во всем мире внедряла модели ИИ, возможности и необходимость использовать возможности ИИ для улучшения ухода за пациентами и медицины растут.

По мере того, как отрасль меняется, одним из способов адаптации медсестер становится все более техническая подкованность.

Школа медсестер Сью и Билла Гросса Калифорнийского университета в Ирвине является первопроходцем в использовании искусственного интеллекта и машинного обучения для улучшения ухода. Юнг Ин Пак — доцент университета. Она имеет докторскую степень по информатике в области сестринского дела в Университете Миннесоты и степень бакалавра в области сестринского дела в Сеульском национальном университете.

Она является экспертом в области медицинских технологий, работает над улучшить результаты ухода и здоровья с помощью машинного обучения. Она также помогает нынешним и будущим медсестрам лучше подготовиться к использованию новых технологий.

Медицинские ИТ-новости встретилась с Пак, чтобы обсудить, как школа медсестер Ирвина использует ИИ и машинное обучение, где в оказании медицинской помощи она и ее команда применяют ИИ, как применение ИИ улучшает результаты лечения пациентов, а также ее планы по использованию больших языковых моделей и генеративных ИИ.

В. Что делает Школа медсестер Калифорнийского университета в Ирвине для дальнейшего использования медсестер искусственного интеллекта и машинного обучения? Что медсестры должны знать об ИИ?

А. Школа медсестер Сью и Билла Гроссов при Калифорнийском университете в Ирвине признает огромный потенциал информатики и искусственного интеллекта для исследований и образования в области сестринского дела. Появление информатики и технологий обработки данных позволяет исследователям-медсестрам сосредоточиться на использовании подходов искусственного интеллекта и машинного обучения с использованием больших наборов данных, чтобы получить новое представление о качественном сестринском уходе.

Связанные области искусственного интеллекта и носимых технологий прокладывают путь для оперативного и персонализированного лечения, предлагая потенциал для передового и устойчивого ухода. Мы также придаем особое значение сотрудничеству с коллегами из различных дисциплин в кампусе, а также из государственного и частного секторов для дальнейшего изучения растущего потенциала этих достижений.

Кроме того, мы предлагаем студентам различные курсы по информатике для медсестер. Обучение студентов медсестер искусственному интеллекту, машинному обучению и информатике имеет решающее значение, поскольку эти технологии все больше интегрируются в здравоохранение, и медсестры должны быть готовы эффективно ориентироваться и использовать их в своей практике.

Понимание искусственного интеллекта и машинного обучения позволяет медсестрам использовать аналитические данные, основанные на данных, улучшать уход за пациентами и адаптироваться к развивающемуся технологическому ландшафту в здравоохранении. Приложения ИИ в здравоохранении разнообразны, включая диагностику, персонализированное планирование лечения, мониторинг пациентов и эффективность работы за счет автоматизации рутинных задач.

Медсестры должны эффективно сотрудничать с системами ИИ, сохраняя при этом свое профессиональное суждение и опыт. Таким образом, постоянное обучение необходимо для того, чтобы идти в ногу с достижениями в области искусственного интеллекта и обеспечивать их безопасное и эффективное использование. Обладая глубоким пониманием ИИ, медсестры могут использовать его потенциальные преимущества для оказания высококачественной помощи, ориентированной на пациента.

В. Где в оказании медицинской помощи и, в частности, в сестринском деле применяется ИИ? Что воспитатели делают с технологией?

А. ИИ революционизирует различные аспекты оказания медицинской помощи. В частности, я использую большие наборы данных о здоровье, такие как электронные медицинские карты, национальные регистры рака и данные датчиков носимых устройств, для разработки моделей машинного обучения, которые предсказывают различные исходы пациентов, включая внутрибольничные инфекции, 30-дневную повторную госпитализацию и показатели выживаемости.

В диагностике и визуализации алгоритмы искусственного интеллекта анализируют медицинские изображения для обнаружения аномалий и повышения точности. Системы поддержки принятия клинических решений используют искусственный интеллект для анализа данных пациентов, помогая медицинским работникам в принятии решений и уменьшая количество ошибок.

Способность ИИ анализировать большие наборы данных, включая геномную информацию, позволяет проводить точную медицину, подбирая лечение для отдельных пациентов. Удаленный мониторинг пациента с помощью устройств с поддержкой искусственного интеллекта и носимых устройств позволяет осуществлять упреждающий и персонализированный уход. ИИ также упрощает административные задачи, оптимизирует распределение ресурсов и повышает эффективность работы.

Кроме того, чат-боты и виртуальные помощники на базе искусственного интеллекта обеспечивают круглосуточный доступ к медицинской информации и поддерживают взаимодействие с пациентами.

Пользователи технологии ИИ в здравоохранении включают широкий круг поставщиков медицинских услуг, организаций и исследователей. Врачи, медсестры и рентгенологи используют ИИ для улучшения диагностики, персонализации лечения, индивидуального планирования ухода и оптимизации операций.

Организации здравоохранения извлекают выгоду из возможностей ИИ, повышающих эффективность и использование ресурсов. Исследователи используют ИИ для анализа больших наборов данных и продвижения достижений в области здравоохранения. В целом, технология искусственного интеллекта в оказании медицинской помощи повышает точность, эффективность и результаты лечения пациентов, что приводит к повышению качества медицинской помощи и повышению удовлетворенности пациентов.

В. Как применение ИИ улучшает результаты лечения пациентов? Каковы другие преимущества?

А. Применение ИИ в здравоохранении улучшает результаты лечения пациентов несколькими способами. Алгоритмы ИИ анализируют данные пациентов, включая медицинские изображения и электронные медицинские карты, для улучшения диагностики и раннего выявления. Это приводит к более точной и своевременной диагностике, что позволяет оперативно вмешаться и начать лечение.

ИИ также позволяет создавать персонализированные планы лечения, анализируя огромное количество данных о пациентах с учетом таких факторов, как геномная информация, чтобы адаптировать лечение к конкретным пациентам. Это повышает эффективность лечения и уменьшает побочные эффекты. Кроме того, системы искусственного интеллекта предоставляют основанные на фактических данных рекомендации и информацию для медицинских работников, поддерживая процесс принятия ими клинических решений.

Определяя подходящие варианты лечения и прогнозируя результаты лечения пациентов, ИИ снижает количество медицинских ошибок и повышает безопасность пациентов.

Устройства и носимые устройства с поддержкой искусственного интеллекта обеспечивают непрерывный удаленный мониторинг показателей здоровья пациентов, позволяя своевременно обнаруживать изменения или ухудшение состояния. Это способствует своевременному вмешательству, предотвращению нежелательных явлений и сокращению повторных госпитализаций.

Технология искусственного интеллекта также оптимизирует рабочие процессы, автоматизирует административные задачи, оптимизирует распределение ресурсов и повышает эффективность работы. Это снижает нагрузку на медицинских работников, позволяя им больше сосредоточиться на непосредственном уходе за пациентами и улучшении качества обслуживания и результатов лечения пациентов.

В. Планируете ли вы использовать большие языковые модели/генеративный ИИ? Почему или почему нет?

А. Да, я планирую использовать большую языковую модель для прогнозирования результатов лечения пациентов, уделяя особое внимание таким факторам, как риск смертности и внутрибольничные заболевания. Эта мощная модель способна понимать и анализировать неизмененный текст, извлеченный из клинических заметок в электронных медицинских картах, предоставляя оценки, относящиеся к лечению пациентов.

Он может эффективно обрабатывать различные типы клинических записей, включая рентгенологические отчеты, медицинскую документацию, записи о состоянии пациента и инструкции по выписке, даже при отсутствии стандартного языка. Эта возможность позволяет модели интерпретировать уникальные сокращения и термины, используемые отдельными авторами.

Модель большого языка работает, предсказывая наиболее подходящее слово для завершения предложения, опираясь на языковые шаблоны реального мира. Со временем, по мере того как в модель вводится больше данных, точность ее прогнозов повышается.

Использование этой модели может предложить поддержку в режиме реального времени для принятия клинических решений поставщиками медицинских услуг, предупреждая их о критических факторах, которые потенциально могут привести к неблагоприятным событиям, и предоставлять ценную информацию медицинским работникам.

Следите за репортажами Билла о HIT на LinkedIn: Билл Сивики
Напишите ему: [email protected]
Healthcare IT News — это издание HIMSS Media.