نکات کلیدی:
· هوش مصنوعی مولد، می تواند به سرعت داده های بیمار را مرور کرده و یک تشخیص و طرح درمان احتمالی ارائه دهد.
· دستگاه های پوشیدنی و مداخلات موبایلی، ممکن است بتوانند طیف گسترده ای از پیامدهای سلامت بیماران را بهبود بخشند.
۵ ژانویه ۲۰۲۶- به گفتهٔ دو سخنران، هوش مصنوعی و ابزارهای سلامت دیجیتال نباید جایگزینی برای متخصصان مراقبت سلامت تلقی شوند، بلکه باید به عنوان ابزارهایی در نظر گرفته شوند که می توان از آنها برای بهبود پیامدهای بیماران بهره برد.
در جریان یک سخنرانی در «کنگره جهانی مقاومت به انسولین، دیابت و بیماری های قلبی عروقی»، دکتر ست اس. مارتین، استاد پزشکی در بخش کاردیولوژی، مدیر کلینیک اختلالات پیشرفتهٔ لیپید سیکارون و آزمایشگاه نوآوری های سلامت دیجیتال در دانشکده پزشکی دانشگاه جانز هاپکینز، توضیح داد که چگونه ابزارهای دیجیتال و هوش مصنوعی برای مدیریت طیف وسیعی از بیماری ها شامل دیابت، بیماری عروق کرونر، فیبریلاسیون دهلیزی، نارسایی قلب و موارد دیگر، به کار گرفته می شوند. دکتر مارتین، گفت: این «تحول دیجیتال» در حال تغییر کامل شیوهٔ طب کاردیومتابولیک است.من فکر می کنم ابزارهای دیجیتال و هوش مصنوعی ما را تقویت می کنند، اما جایگزین ما نخواهند شد. پزشکان برجستهٔ آینده یاد خواهند گرفت که فناوری را با ارتباط انسانی متعادل کنند».
پتانسیل هوش مصنوعی مولد
به گفتهٔ دکتر ویویان آ. فونسه کا، رئیس کرسی دیابت Tullis-Tulane، استاد پزشکی و رئیس بخش غدد درونریز در مرکز پزشکی دانشگاه تولین، هوش مصنوعی مولد به سرعت جایگاهی در مراقبت سلامت پیدا کرده است. او توضیح داد که چگونه چندین اپلیکیشن هوش مصنوعی مولد برای خواندن تصاویرMRI،CT و سونوگرافی آموزش دیده اند و حتی چگونه ChatGPT پیش تر یک آزمون مجوز پزشکی ایالات متحده را گذرانده است.
دکتر فونسه کا، گفت: یکی از کاربردهای بسیار مفید هوش مصنوعی، توانایی آن در خواندن و خلاصه سازی سریع متن است. مدل های زبانی بزرگ ممکن است بتوانند پرونده الکترونیک سلامت بیمار را مرور کنند، یک تشخیص احتمالی ارائه دهند و گزینه های درمانی پیشنهاد کنند.
او گفت: «می توانید یک دستیار مجازی داشته باشید. هوش مصنوعی می تواند متن تولید کند، پیشنهاد ارائه دهد، تمام ادبیات علمی را خیلی سریع مرور کند و دانش موجود را خلاصه کند. همچنین می تواند در کدنویسی و سایر کارهایی که برای ما بسیار پیچیده هستند، کمک موثری باشد».
دکتر فونسه کا، افزود: هوش مصنوعی در مدیریت دیابت نیز نقش دارد؛ الگوریتم ها برای طبقه بندی خطر استفاده می شوند، مدل ها تصاویر را برای رتینوپاتی دیابتی، نوروپاتی و سایر بیماری ها غربال می کنند، و دستگاه هایی مانند پایش مداوم گلوکز و سیستم های خودکار تزریق انسولین نیز ویژگی های مبتنی بر هوش مصنوعی دارند.
کاربردهای فراتر از مراقبت مستقیم بیمار
دکتر فونسه کا، گفت: کاربرد هوش مصنوعی فراتر از مراقبت بالینی است. بیمارستان ها از اپلیکیشن های هوش مصنوعی برای مدیریت برنامه ریزی کارکنان، جریان بیماران، زمان بندی، صورتحساب، تخصیص منابع و یکپارچه سازی پرونده الکترونیک سلامت استفاده می کنند.
او به اپلیکیشنی به نام SMART on FHIR اشاره کرد که می تواند با استفاده از داده های پرونده الکترونیک سلامت، طبقه بندی خطر شخصی سازی شده برای افراد مبتلا به دیابت ارائه دهد. داده هایEMR که از طریق این اپلیکیشن پردازش می شود، می تواند خطر ۱۰سالهٔ فرد برای عوارض کاردیومتابولیک را محاسبه کند و همچنین اهداف بهینهٔ فشار خون، HbA1c،LDL وBMI را برای کاهش خطر، پیشنهاد دهد.
دکتر فونسه کا، گفت: «این پیام بسیار قدرتمندی برای بیمار است».
او افزود: متخصصان سلامت می توانند تمرکز خود را بر تجویز دارو برای افراد با بالاترین خطر کاردیومتابولیک قرار دهند. علاقهٔ زیادی به تصمیم یارهای هوش مصنوعی برای دارودرمانی وجود دارد؛ برنامه ای که بیماران پرخطر را شناسایی کند می تواند به متخصص اجازه دهد دارو تجویز کند، فرم تأیید بیمه را سریع ارسال کند و در عرض چند دقیقه مواد آموزشی برای بیمار تولید کند. با این حال، او تأکید کرد که مطالعات کمی دربارهٔ این نوع سیستم ها انجام شده و پژوهش بیشتری لازم است.
ادغام ابزارهای دیجیتال در مراقبت سلامت
به گفتهٔ دکتر مارتین، دستگاه های پوشیدنی هم اکنون تأثیر بزرگی بر سلامت کاردیومتابولیک افراد دارند. او توضیح داد که این فناوری ها می توانند شاخص هایی مانند فعالیت بدنی و ریتم قلب را اندازه گیری کرده و داده ها را به صورت بلادرنگ در اختیار کاربر قرار دهند. دکتر مارتین تأکید کرد که مهم است کاربران این دستگاه ها بتوانند داده ها را درک کنند و در صورت نیاز بر اساس آنها اقدامات لازم را انجام دهند.
او گفت: «این نباید فقط حجم بزرگی از داده ها باشد. باید خلاصه های قابل هضم با دامنه های مرجع مشخص ارائه شود تا قابل تفسیر باشند و در نهایت آستانه هایی برای اقدام تعریف کنند».
چندین مطالعه بررسی کرده اند که افراد چگونه ممکن است از ابزارهای سلامت دیجیتال سود ببرد. همانطور کهپیش تر از یک مطالعهٔ منتشرشده در JAMA گزارش داده بودیم، نسبت مشابهی از بزرگسالان مبتلا به پیش دیابت و اضافه وزن یا چاقی که از یک برنامهٔ پیشگیری از دیابت مبتنی بر هوش مصنوعی استفاده می کردند، توانستند HbA1c را زیر ۶.۵ درصد نگه دارند؛ مشابه افرادی که در یک برنامهٔ انسانی پیشگیری از دیابت شرکت کرده بودند.
دکتر مارتین، گفت: پیامک نیز می تواند ابزاری برای بهبود پیامدهای سلامت باشد. یک مطالعهٔ منتشر شده در ژورنالCirculation: Cardiovascular Quality and Outcomes در سال ۲۰۱۹ نشان داد افراد مبتلا به دیابت و بیماری قلبی در چین که هفته ای شش پیامک آموزشی دریافت می کردند نسبت به افرادی که مراقبت معمول دریافت می کردند، بیشتر احتمال داشتHbA1c زیر 7 درصدداشته باشند. مطالعهٔ دیگری که توسط مارتین و همکارانش در ژورنال انجمن قلب آمریکا منتشر شد نشان داد بزرگسالانی که پیامک های خودکار از مربی مجازی دریافت می کردند، توانستند در هفته های ۴ و ۵ بیش از ۲۰۰۰ قدم به میانگین قدم های روزانهٔ خود اضافه کنند.
اپلیکیشن های موبایل نیز می توانند برای بیماران مفید باشند. یک مطالعهٔ منتشر شده در سال ۲۰۲۱ در ژورنال Circulation: Cardiovascular Quality and Outcomes نشان داد اپلیکیشنی که یادآوری ها، آموزش و هماهنگی مراقبت سرپایی را برای بزرگسالان پس از سکتهٔ قلبی حاد ارائه می کرد، میزان بستری مجدد ۳۰ روزه را نسبت به گروه هایی که در دوره های قبلی مراقب استاندارد دریافت کرده بودند، کاهش داد.
دکتر مارتین، گفت: یک کارآزمایی تأمین شده توسط انجمن قلب آمریکا نشان داد که پایش از راه دور پس از توان بخشی قلبی می تواند مفید باشد. در کارآزمایی mTECH-Rehab، بیمارانی با بیماری عروق کرونر که دو جلسهٔ حضوری توان بخشی قلبی را گذرانده و سپس به یک مداخلهٔ موبایلی شامل جلسات خانگی، مربی گری مجازی هفتگی، پایش روزانهٔ علائم حیاتی، آموزش، یادآوری دارو و موارد دیگر منتقل شدند، بهبودی مشابهی(noninferior) در مسافت طی شده در ۶دقیقه پیاده روی داشتند؛ مشابه بیمارانی که توان بخشی سنتی را به طور کاملاً حضوری انجام داده بودند.
به گفتهٔ دکتر مارتین، ابزارهای دیجیتال می توانند در حوزه های دیگر نیز به بیماران کمک کنند؛ از جمله ساعت های هوشمند که می توانند فیبریلاسیون دهلیزی را پایش کنند و مدل های هوش مصنوعی که قادرند تنها از روی تصاویرCT بیماران در معرض خطر بالای قلبی عروقی را شناسایی کنند.
او گفت: «من فکر می کنم ما این فرصت را داریم که با پذیرفتن فناوری هایی که در دست و روی مچ ما هستند، به مردم در همان جایی که هستند، رسیدگی کنیم. این دستگاه ها هر روز بیشتر در زندگی ما ادغام می شوند و حتی فراتر از آن، می توانند بخشی از شیوهٔ ارائهٔ مراقبت سلامت باشند».
منبع:
https://www.healio.com/news/endocrinology/20260105/ai-digital-tools-hold-promise-for-improving-cardiometabolic-health