ساتِر هِلث پلتفرم هوش مصنوعی پشتیبان تصمیمگیری پزشکی را در سامانه پرونده الکترونیک سلامت خود راهاندازی کرد
ساتِر هِلث یک نظام سلامت غیرانتفاعی در ایالت کالیفرنیا از بهکارگیری فناوری پشتیبانی تصمیمگیری مبتنی بر هوش مصنوعی در جریانهای کاری پرونده الکترونیک سلامت خود خبر داد؛ اقدامی که با هدف ارتقای کیفیت مراقبت، بهبود ایمنی بیماران و دسترسی پزشکان به تازهترین شواهد علمی انجام میشود.
به گزارش مدرن مد به نقل از Healthcare IT News، مجموعه درمانی ساتِر هِلث Sutter Health با همکاری شرکت فناوری سلامت OpenEvidence، یک پلتفرم جستوجو و پشتیبانی تصمیمگیری مبتنی بر شواهد را در سامانه پرونده الکترونیک سلامت خود مستقر میکند.
بر اساس این گزارش، این پلتفرم در بستر سیستم Epic راهاندازی میشود و به پزشکان امکان میدهد با استفاده از زبان طبیعی، جدیدترین دستورالعملهای درمانی، مطالعات علمی و دادههای بالینی را در نقطه ارائه خدمت جستوجو و بازیابی کنند؛ آن هم در چارچوب استانداردهای کیفی و ایمنی.
تحول در پشتیبانی بالینی
«لورا ویلت»، مدیر ارشد دیجیتال Sutter Health، در اینباره اعلام کرد: «نوآوری دیجیتال نقشی محوری در ساخت یک نظام سلامت متصلتر، پیشنگرانهتر و پایدارتر ایفا میکند و توسعه پشتیبانی بالینی مبتنی بر هوش مصنوعی، بخشی از راهبرد این مجموعه برای بازآفرینی نظام سلامت است.»
همچنین «اشلی بیسی»، مدیر ارشد هوش مصنوعی این سازمان، تأکید کرد: «بهرهمندی پزشکان از جدیدترین و مرتبطترین شواهد علمی در فرآیند تصمیمگیری بالینی، به بهبود نتایج درمانی بیماران منجر خواهد شد.»
در سوی دیگر، مدیران OpenEvidence اعلام کردند همکاری با ساتِر هِلث Sutter Health با هدف ارتقای پایداری نظام سلامت و افزایش ایمنی کاربرد هوش مصنوعی در حوزه پزشکی انجام میشود.
تداوم روند استفاده از هوش مصنوعی در نظام سلامت
ساتِر هِلث Sutter Health از دو سال پیش استفاده از هوش مصنوعی مولد را برای کاهش فرسودگی شغلی پزشکان و افزایش بهرهوری سازمانی آغاز کرده است. مدیران این مجموعه پیشتر اعلام کرده بودند که این فناوری به بهبود تمرکز و کارآمدی ارائهدهندگان خدمات درمانی کمک کرده است.
در همین حال، پژوهشهای مستقل نیز بر اهمیت رویکرد ترکیبی در پشتیبانی تصمیمگیری بالینی تأکید دارند. محققان Mass General Brigham در مطالعهای یکساله، عملکرد دو مدل زبانی بزرگ شامل GPT-4 متعلق به OpenAI و Gemini 1.5 توسعهیافته توسط Google را با سامانه سنتی پشتیبانی تشخیص خود مقایسه کردند.
نتایج این پژوهش نشان داد اگرچه سامانه سنتی در برخی موارد دقت بیشتری در تشخیص داشت، اما ترکیب آن با مدلهای زبانی بزرگ میتواند کارایی و اثربخشی بالینی را افزایش دهد.
کارشناسان معتقدند ادغام توانمندیهای زبانی و تحلیلی مدلهای هوش مصنوعی با قابلیتهای توضیحی و ساختاری سامانههای سنتی پشتیبانی تصمیمگیری، میتواند گامی مؤثر در ارتقای کیفیت خدمات سلامت و بهینهسازی استفاده از منابع درمانی باشد.
