– Më shumë prova po shfaqen që tregojnë se AI gjeneruese ndihmon në zvogëlimin e barrës së klinikut duke hartuar përgjigjet e mesazheve të portalit të pacientit – por vetëm nëse ka një klinik atje për të shqyrtuar përgjigjen përpara se të dërgohet, sipas një grupi studiuesish nga Mass General Brigham.
Studiuesit, duke shkruar në Shëndeti Dixhital Lancettha se klinicistët janë të nevojshëm për shtimin e udhëzimeve për pacientët brenda përgjigjeve të portalit të pacientit.
“Inteligjenca artificiale gjeneruese ka potencialin të ofrojë skenarin “më të mirë të të dy botëve” për reduktimin e barrës mbi klinikën dhe edukimin më të mirë të pacientit në proces,” autorja korresponduese Danielle Bitterman, MD, një anëtare e fakultetit në Inteligjencën Artificiale në Mjekësi (AIM). ) Programi në Mass General Brigham, thuhet në një deklaratë publike.
Në të vërtetë, mesazhet e portalit të pacientëve mund të marrin një kohë të konsiderueshme për mjekët, të cilët tashmë janë të zhytur në detyra të tjera administrative. Një analizë e veçantë e vitit 2023 në XHAMI tregoi se mesazhet e portalit të pacientëve u rritën në qiell gjatë pandemisë. Çdo mesazh i portalit të pacientit lidhej me një rritje prej 2.3 minutash në kohën e EHR çdo ditë, tregoi studimi.
Ky studim i MGH Brigham tregoi se AI gjeneruese dhe modelet e gjuhëve të mëdha (LLM) mund të ndihmojnë në zgjidhjen e problemit të kutive të plota EHR. LLM mund të gjenerojë një përgjigje njësoj si ChatGPT për t’iu përgjigjur pyetjeve të pacientëve të dërguara në portalin e pacientit, duke e marrë atë detyrë nga ofruesit me kohë. Disa shitës të EHR tashmë po e testojnë këtë qasje.
Por ka disa paralajmërime, tha Bitterman, i cili është gjithashtu një mjek në departamentin e onkologjisë së rrezatimit në Brigham and Women’s Hospital.
“Megjithatë, bazuar në përvojën e ekipit tonë duke punuar me LLM-të, ne kemi shqetësime për rreziqet e mundshme që lidhen me integrimin e LLM-ve në sistemet e mesazheve,” sipas Bitterman. “Me integrimin e LLM në EHR duke u bërë gjithnjë e më i zakonshëm, qëllimi ynë në këtë studim ishte të identifikonim përfitimet dhe mangësitë përkatëse.”
Studiuesit përdorën GPT-4 nga OpenAI për të testuar se si mesazhet e bazuara në LLM grumbulloheshin kundrejt mesazheve të gjeneruara nga ofruesi në 100 pyetje hipotetike të pacientëve. Një grup prej gjashtë onkologësh të rrezatimit u ngarkuan t’u përgjigjeshin pyetjeve të pacientëve dhe ato përgjigje u krahasuan me përgjigjet e AI pasi u rishikuan dhe redaktuan nga onkologët e rrezatimit.
Në përgjithësi, përgjigjet e AI ishin efektive. Për shembull, rishikuesit onkologë të rrezatimit njerëzor menduan se përgjigjet e AI ishin krijuar në të vërtetë nga një njeri në 31 përqind të kohës. Përgjigjet e AI gjithashtu nuk kishin nevojë për redaktim njerëzor 58 përqind të kohës. Rishikuesit thanë se përgjigjet e AI zakonisht përfshinin përmbajtje më të detajuar të edukimit të pacientit.
Megjithatë, përgjigjet e AI ende kanë nevojë për një rishikim njerëzor përpara se t’u dërgohen pacientëve, këshilluan onkologët e rrezatimit. Për një gjë, përgjigjet e AI zakonisht nuk ofronin këshilla direktive për pacientët. Këto udhëzime duheshin shtuar nga një klinik.
Dhe edhe pse përgjigjet e gjeneruara nga LLM u konsideruan të sigurta në 82.1 përqind të rasteve, kur ato nuk ishin të përshtatshme për pacientët, pasojat mund të ishin katastrofike, thanë studiuesit.
Në 7.1 përqind të përgjigjeve të gjeneruara nga LLM, ekzistonte një rrezik për sigurinë e pacientit. Në 0.6 për qind të rasteve, përgjigja LLM mund të përbëjë rrezik vdekjeje. Në shumicën e rasteve, kjo ndodhi sepse mesazhi nuk e udhëzoi urgjentisht pacientin të kërkonte kujdes mjekësor.
Ndërsa kujdesi shëndetësor vazhdon eksplorimin e tij në LLM dhe se si ato mund të rrisin kujdesin, është thelbësore që drejtuesit të mos anashkalojnë potencialin për të zvogëluar barrën administrative. Në fund të fundit, përgjigjja e mesazheve të portalit të pacientëve mund të marrë shumë kohë për ofruesit. Duke përdorur LLM, klinicistët mund të anashkalojnë të paktën disa nga detyrat e tyre administrative.
Por do të jetë e nevojshme të adresohen çdo kurth të mundshëm të sigurisë së pacientit që mund të vijnë me delegimin e detyrave të caktuara tek AI gjeneruese, tha Bitterman.
“Mbajtja e një njeriu në lak është një hap thelbësor sigurie kur bëhet fjalë për përdorimin e AI në mjekësi, por nuk është një zgjidhje e vetme,” shpjegoi Bitterman. “Ndërsa ofruesit mbështeten më shumë në LLM, ne mund të humbasim gabimet që mund të çojnë në dëmtim të pacientit. Ky studim demonstron nevojën për sisteme për të monitoruar cilësinë e LLM-ve, trajnim për klinikët për të mbikëqyrur në mënyrë të përshtatshme rezultatin e LLM-së, më shumë njohuri të AI si për pacientët ashtu edhe për mjekët, dhe në një nivel themelor, një kuptim më të mirë se si të adresohen gabimet që bëjnë LLM-të. .”