Përparimet e shpejta në modelet e gjuhëve të mëdha (LLM) kanë sjellë mjete gjeneruese të AI në pothuajse çdo sektor biznesi dhe kujdesi shëndetësor nuk bën përjashtim.
Siç përcaktohet nga Zyra e Përgjegjësive të Qeverisë, AI gjeneruese është “një teknologji që mund të krijojë përmbajtje, duke përfshirë tekst, imazhe, audio ose video, kur kërkohet nga një përdorues”.
Sistemet gjeneruese të AI mësojnë modele dhe marrëdhënie nga sasi të mëdha të dhënash, duke i lejuar ata të krijojnë përmbajtje të re që mund të jenë të ngjashme, por jo identike, me të dhënat e trajnimit. Teknologjia përpunon dhe prodhon përmbajtje përmes përdorimit të algoritmeve të mësimit të makinerive dhe modeleve statistikore.
Sektori i kujdesit shëndetësor po përdor AI gjeneruese për raste të ndryshme përdorimi, duke përfshirë dokumentacionin klinik, komunikimin e pacientit dhe përmbledhjen e tekstit klinik.
Dokumentacioni klinik
Shkaku kryesor i djegies së mjekëve është kërkesat e tepërta për dokumentacion, sipas një sondazhi të athenahealth të vitit 2022 të kryer nga Harris Poll. Megjithatë, hulumtimet e hershme kanë treguar premtime për AI gjeneruese për të përmirësuar rrjedhat e punës të dokumentacionit klinik, gjë që mund të ndihmojë në zbutjen e djegies dhe përmirësimin e kënaqësisë së klinikut.
Një studim i vitit 2024 i publikuar në Katalizator NEJM shqyrton adoptimin e skribëve të AI të ambientit brenda Grupit Mjekësor Permanente (TPMG).
Teknologjia e shkrimit të inteligjencës artificiale mjedisore përdor mikrofonat e smartfonëve dhe AI gjeneruese për të transkriptuar takimet e pacientëve kur ato ndodhin, duke u ofruar klinicistëve draft dokumentacionin klinik për rishikim.
Në tetor 2023, TPMG vendosi teknologjinë e AI të ambientit për 10,000 mjekë dhe staf në mjedise të ndryshme.
Sipas studimit, mjekët që kanë përdorur shërbimin e shkrimit të inteligjencës artificiale të ambientit kanë raportuar reagime pozitive, duke përfshirë aftësinë e teknologjisë për të lehtësuar ndërveprimet më personale, kuptimplote dhe efektive me pacientët. Mjekët vunë re gjithashtu reduktim të dokumentacionit EHR pas orarit të punës.
Vlerësimet e hershme të reagimeve të pacientëve ishin gjithashtu pozitive, me disa individë që përmendën ndërveprimet e përmirësuara të ofruesve. Për më tepër, metrikat e vlerësimit të hershëm zbuluan se AI i ambientit prodhoi dokumentacion klinik me cilësi të lartë për rishikimin e mjekut.
Ndërsa premtimi i AI mjedisore për të përmirësuar dokumentacionin klinik është thelbësor, një studim i vitit 2023 i botuar në Gazeta e Shoqatës Amerikane të Informatikës Mjekësore (JAMIA) tregon se teknologjia mund të dështojë në dokumentimin e tingujve bisedor jo-leksikor (NLCS), si p.sh mm-hm dhe uh-uh.
Studiuesit vlerësuan performancën e dy mjeteve klinike të inteligjencës artificiale të ambientit për 36 takime të kujdesit parësor. Pacientët dhe ofruesit zakonisht përdorin NLCS për të përcjellë informacionin. Për shembull, një pacient mund të thotë, “Mm-hm”, për të treguar po në përgjigje të pyetjes: “A keni ndonjë alergji ndaj antibiotikëve?”
Mjetet e AI të ambientit kishin një shkallë gabimi fjalësh prej rreth 12% për të gjitha fjalët. Megjithatë, shkalla e gabimit të fjalëve të NLCS ra midis 40% dhe 57%, dhe shkalla e gabimit të fjalëve për QKLK-të që përcillnin informacione të rëndësishme klinikisht ishte edhe më e lartë — 94,7% dhe 98,7%.
“Disa nga këto NLCS u përdorën për të komunikuar informacion të rëndësishëm klinik që, nëse nuk kapet siç duhet, mund të rezultojë në pasaktësi në dokumentacionin klinik dhe ndoshta në ngjarje negative të sigurisë së pacientit,” theksuan studiuesit.
Komunikimi i pacientit
Ndërsa transformimi i shëndetit dixhital ka përparuar, vëllimi i mesazheve në kutinë hyrëse të portalit të pacientëve është rritur ndjeshëm. Sipas një studimi të vitit 2021 të publikuar në Xhamia, Mesazhet në kutinë hyrëse të portalit të pacientëve u rritën me 157% që nga viti 2020.
Duke marrë parasysh këtë, disa organizata të kujdesit shëndetësor po kërkojnë të gjenerojnë AI për të hartuar përgjigje për mesazhet e portalit të pacientëve.
Një studim i përmirësimit të cilësisë 2024 i botuar në Rrjeti JAMA i hapur vlerësoi miratimin dhe përdorshmërinë e draft përgjigjeve të krijuara nga AI për mesazhet e pacientëve në një qendër mjekësore akademike.
Pas pesë javësh, ofruesit përdorën draft përgjigjet e krijuara nga AI në 20% të rasteve. Studiuesit vunë në dukje se kjo është “e jashtëzakonshme” duke pasur parasysh se ata nuk i rregulluan mirë LLM-të për t’iu përgjigjur mesazheve të pacientit. Për më tepër, autorët e studimit thanë se edukimi minimal i përdoruesit përfundimtar ishte i nevojshëm për adoptim.
Pas zbatimit të mjetit gjenerues të AI, klinicistët raportuan ulje të ngarkesës së detyrave dhe rezultateve të rraskapitjes emocionale, duke sugjeruar se draft përgjigjet e krijuara mund të ndihmojnë në zbutjen e djegies së klinikut.
Megjithatë, pavarësisht përmirësimeve në ngarkesë, studimi nuk gjeti ndryshime në kohën e përgjithshme të përgjigjes, kohën e leximit ose kohën e shkrimit kur krahasohen periudhat para pilotimit dhe ato pilot.
Autorët e studimit sugjeruan se kalimi nga shkrimi në redaktimin e përgjigjeve të mesazheve mund të jetë më pak takues njohës, pavarësisht se kërkon të njëjtën kohë.
Megjithatë, të anketuarit në anketë treguan optimizëm për kohën e kursyer, duke treguar se perceptimet e kohës dhe kohës së kapur nëpërmjet meta të dhënave EHR mund të ndryshojnë nga koha aktuale e shpenzuar për përgjigjet e mesazheve.
Përmbledhja e të dhënave klinike
Klinikët shpenzojnë kohë të konsiderueshme duke përmbledhur lloje të ndryshme informacioni brenda të dhënave të pacientëve dhe gabimet në këtë proces mund të dëmtojnë mbështetjen e vendimeve klinike.
AI gjenerative ka treguar premtim për përmbledhjen e të dhënave klinike. Për shembull, një studim i vitit 2023 zbuloi se përmbledhjet e LLM mund të tejkalojnë përmbledhjet e ekspertëve njerëzorë për sa i përket koncizitetit, plotësimit dhe korrektësisë.
Sidoqoftë, përdorimi i AI gjeneruese për përmbledhjen e të dhënave klinike sjell rreziqe, pasi këto lloje LLM nuk kanë gjasa të bien nën mbikëqyrjen e pajisjeve mjekësore të FDA, sipas një këndvështrimi të publikuar në JAMA.
Autorët shpjeguan se LLM-të që kryejnë detyra përmbledhëse nuk kualifikohen qartë si pajisje mjekësore sepse ato ofrojnë rezultate të bazuara në gjuhë dhe jo parashikime ose vlerësime numerike të sëmundjes. Pa ndryshime statutore, autoriteti i FDA për të rregulluar shumicën e LLM-ve për përmbledhjet klinike është i paqartë.
Autorët vunë në dukje se ndryshimet në gjatësinë, organizimin dhe tonin e përmbledhjes mund të ndikojnë në interpretimet e mjekut dhe vendimmarrjen e mëvonshme klinike. Përmbledhjet e LLM-së mund të shfaqin gjithashtu paragjykime si simpatia, p.sh. përshtatja e përgjigjeve ndaj pritjeve të përdoruesve.
Autorët thanë se për të adresuar këto çështje, industria ka nevojë për standarde gjithëpërfshirëse për përmbledhjet e krijuara nga LLM, duke përfshirë testimin për paragjykimet dhe gabimet. Për më tepër, testimi klinik është i nevojshëm për të përcaktuar sasinë e dëmeve dhe përfitimeve.
LLM-të duhet të lejojnë nxitjen e plotë të klinikut dhe FDA duhet të qartësojë kriteret rregullatore për t’i njohur ato si pajisje mjekësore, sugjeruan autorët.
Rruga përpara
AI gjeneruese premton transformimin e aspekteve të ndryshme të kujdesit shëndetësor dhe zbutjen e djegies së mjekëve. Megjithatë, palët e interesuara duhet të punojnë drejt krijimit të standardeve gjithëpërfshirëse dhe qartësisë rregullatore për të maksimizuar përfitimet e AI gjeneruese duke minimizuar rreziqet.
Një 2024 studim publikuar ne npj Mjekësi Dixhitale thekson se përmbushja e premtimit të AI gjeneruese në kujdesin shëndetësor mbështetet në udhëheqjen e përcaktuar, stimujt e adoptimit dhe rregullimin e vazhdueshëm.
Udhëheqja duhet të fokusohet në krijimin e udhëzimeve për performancën LLM dhe gjetjen e cilësimeve klinike optimale për provat e mjeteve gjeneruese të AI. Artikulli vë në dukje se një nënkomision brenda FDA me udhëheqje nga mjekë, administratorë të kujdesit shëndetësor, zhvillues dhe investitorë mund të jetë i pozicionuar mirë për të marrë përsipër këtë përgjegjësi.
Për më tepër, vendosja e gjerë e AI gjeneruese do të kërkojë stimuj të paguesve, pasi shumica e ofruesve ka të ngjarë t’i konsiderojnë mjetet gjeneruese të AI-së si një shpenzim kapital.
Me udhëheqje, nxitje dhe rregullim, industria e kujdesit shëndetësor mund ta bëjë AI gjeneruese të realizueshme për zbatim në të gjithë vazhdimësinë e kujdesit për të përmirësuar rrjedhat klinike të punës.
Hannah Nelson ka mbuluar lajme në lidhje me teknologjinë e informacionit shëndetësor dhe ndërveprimin e të dhënave shëndetësore që nga viti 2020.