ماشین های هوشمند شغلی بهتر از انسان را در تشخیص پزشکی انجام می دهند

تا به حال، دارو یک است معتبر و اغلب بسیار سودآور انتخاب شغل. اما در آینده نزدیک، آیا ما به پزشکان زیادی نیاز داریم، همانطور که در حال حاضر هستیم؟ آیا می خواهیم بیکاری پزشکی قابل توجهی را در دهه آینده ببینیم؟

دکتر ساکسون اسمیت، رئیس بخش پزشکی استرالیا NSW، در گزارشی در اواخر سال گذشته گفت: که شایع ترین نگرانی هایی که او از پزشکان و دانشجویان پزشکی می شنود «آینده پزشکی چیست؟» و «آیا من کار خواهم کرد؟». او گفت، پاسخ ها همچنان از او فرار می کنند.

دانشگاه استرالیا، دانشگاه بریتانیا و آمریکا همچنان تعداد بیشتری دانشجویان پزشکی را فارغ التحصیل می کند، سوال واضح این است که آیا این پزشکان جدید در آینده کار خواهند کرد؟

آیا به دلیل جمعیت پیرامون ما، نقش متخصصان پزشکی گسترش خواهد یافت؟ یا فشار برای کاهش هزینه ها، در حالی که بهبود نتایج به احتمال زیاد مجبور به پذیرش فن آوری جدید است، که پس از آن احتمال زیاد تعداد نقش ها که در حال حاضر توسط پزشکان انجام می شود، کاهش می یابد؟

رانندگی هزینه ها

همه دولت ها، بیماران و پزشکان در سراسر جهان این را می دانند هزینه های مراقبت های بهداشتی باید کاهش یابد اگر ما برای درمان بیشتر مردم هستیم برخی پیشنهاد می کنند که بیماران بیشتر پول پرداخت کنند، اما با این وجود ما برای آن هزینه می کنیم، واضح است که رانندگی هزینه پایین چیزی است که باید اتفاق بیفتد.


گرافیک اشتراک درونی


استفاده از ربات های پزشکی برای کمک به جراحان انسانی بیشتر در حال گسترش است، اما تا کنون آنها برای تلاش و بهبود نتایج بیمار و نه کاهش هزینه های جراحی مورد استفاده قرار می گیرند. صرفه جویی در هزینه ممکن است بعدا زمانی که این فن آوری رباتیک بالغ می شود.

این در حوزه تشخیص پزشکی است که بسیاری از مردم کاهش هزینه قابل توجهی را کاهش می دهند در حالی که بهبود دقت را با استفاده از تکنولوژی به جای پزشکان انسانی.

این هم اکنون برای رایج است آزمایش خون و تست ژنتیک (ژنومیک) به صورت اتوماتیک انجام می شود و به طور موثر با ماشین ها هزینه می شود. آنها نمونه خون را تجزیه و تحلیل می کنند و به طور خودکار گزارش می دهند.

آزمایشات می توانند به عنوان یک سطح هموگلوبین (شمارش خون) از طریق آزمایشات دیابت مانند انسولین یا گلوکز انجام شوند. آنها همچنین می توانند برای آزمایش های پیچیده تر مانند نگاه کردن به آرایش ژنتیکی فرد مورد استفاده قرار گیرند.

مثال خوبی است Thyrocare Technologies Ltd در بمبئی، هند، جایی که بیش از آزمایشات تشخیص 100,000 هر شب از سراسر کشور انجام می شود و گزارش ها در طی ساعت 24 خون از بیمار گرفته می شود.

ماشین ها نسبت به انسان ها

اگر ماشین ها می توانند آزمایش خون را بخوانند، چه چیز دیگری می توانند انجام دهند؟ اگر چه بسیاری از پزشکان این فکر را دوست ندارند، هر آزمونی که نیاز به شناسایی الگو را دارد، در نهایت بهتر خواهد بود ماشین از یک انسان است.

بسیاری از بیماری ها نیاز به تشخیص پاتولوژیک دارند، جایی که پزشک به نمونه ای از خون یا بافت نگاه می کند تا بیماری دقیق ایجاد کند: یک آزمایش خون برای تشخیص عفونت، بیوپسی پوستی برای تعیین اینکه آیا یک ضایعه یک سرطان یا نه و یک نمونه بافت یک جراح به دنبال تشخیص است.

تمام این نمونه ها و در واقع همه تشخیص های پاتولوژیک توسط پزشک با استفاده از تشخیص الگو برای تشخیص تشخیص داده می شوند.

تکنیک های هوش مصنوعی با استفاده از شبکه های عصبی عمیق، که نوعی یادگیری ماشین هستند، می توانند برای آموزش این ماشین های تشخیصی استفاده شوند. ماشین آلات سریعا یاد می گیرند و ما در مورد یک ماشین صحبت نمی کنیم، بلکه یک شبکه از دستگاه های متصل شده در سطح جهانی از طریق اینترنت، با استفاده از داده های جمع آوری شده خود را برای ادامه به بهبود می یابند.

این یک شبه اتفاق نخواهد افتاد - وقت آن فرا رسیده است که یاد بگیریم - اما پس از آموزش، دستگاه تنها به پیشرفت ادامه می دهد. با گذشت زمان، یک ماشین آموزش دیده مناسب در تشخیص الگوی بهتر از هر انسان خواهد بود.

پاتولوژی در حال حاضر موضوع آزمایشگاه های چند میلیون دلاری است که بر پایه اقتصادی مقیاس قرار دارند. طول می کشد حدود 15 سال از ترک دبیرستان برای آموزش یک پاتولوژیست به طور مستقل عمل کند احتمالا یک سال دیگر 15 طول می کشد تا آسیب شناس به همان اندازه که همیشه باشد باشد.

چند سال پس از آن، آنها بازنشسته خواهند شد و تمام این دانش و تجربه از بین می رود. مطمئنا بهتر است اگر این دانش بتواند توسط نسل های آینده مورد استفاده قرار گیرد و مورد استفاده قرار گیرد؟ یک پاتولوژیست روباتیک می تواند این کار را انجام دهد.

رادیولوژی، اشعه ایکس و فراتر از آن

آزمایشات رادیولوژیک برای بیش از AUS $ 2 میلیارد از Medicare سالانه صرف. در گزارش 2013 تخمین زده شده است که در دوره 2014-15، تحقیقات رادیولوژیک 33,600,000 در استرالیا انجام خواهد شد. رادیولوژیست باید هر یک از اینها را مطالعه کند و یک گزارش بنویسد.

رادیولوژیست ها در حال حاضر به طور متوسط ​​بیش از هفت برابر تعداد مطالعات در روز را از پنج سال پیش خواندند. این گزارش ها، مانند آنچه که توسط پاتولوژیست ها نوشته شده است، بر اساس شناخت الگو است.

در حال حاضر، بسیاری از آزمایشات رادیولوژیک انجام شده در استرالیا توسط رادیولوژیست ها در کشورهای دیگر، مانند انگلستان، خوانده می شود. به جای اینکه یک متخصص در استرالیا از 3am خارج شود، برای خواندن یک اسکن مغزی از یک بیمار مجروح، تصویر را می توان به صورت دیجیتالی در هر منطقه زمانی مناسب ارسال کرد و تقریبا بلافاصله گزارش می شود.

چه چیز اگر ماشین ها به منظور خواندن پرتو اشعه ایکس در ابتدا و در نهایت به جای رادیولوژیست های انسان آموزش داده شوند؟ آیا هنوز به انسان نیاز داریم؟ رادیولوژیست ها؟ شاید. تصویربرداری بهبود یافته، مانند MRI و CT اسکن، به متخصصان رادیولوژیست امکان انجام برخی از روشهایی را که جراحان در حال انجام آن هستند انجام می دهند.

زمینه رادیولوژی تشخیصی به سرعت در حال گسترش است. در این زمینه، رادیولوژیست ها قادر به تشخیص و درمان شرایط مانند خونریزی عروق خونی هستند. این کار با استفاده از تکنیک های مهاجم تهاجمی انجام می شود، عبور از طریق عروق های بزرگ برای رسیدن به نقطه خونریزی.

بنابراين راديولوژيستها ميتوانند روشهايي را انجام دهند که در حال حاضر توسط جراحان عروقي و قلب انجام ميشود. افزایش استفاده از عمل جراحی کمک رباتیک به این معنی است که این احتمال بیشتر از آن نیست.

خیلی بیشتر است تشخیص یک ضایعه پوستی، بثورات و یا رشد نسبت به سادگی به آن نگاه کنید. اما بسیاری از تشخیص مبتنی بر متخصص پوست به رسمیت شناختن ضایعه (دوباره، تشخیص الگو) است.

اگر تشخیص باقی نماند، بعضی از بافت (بیوپسی) به آزمایشگاه برای تشخیص پاتولوژیک فرستاده می شود. ما قبلا تاسیس کرده ایم که یک ماشین می تواند آن را بخواند. همان اصل در مورد تشخیص ضایعات پوستی است.

پس از شناخت و یادگیری، ضایعه قادر خواهد بود دوباره شناخته شود. تلفن های همراه با دوربین های با کیفیت بالا قادر به پیوند به یک پایگاه داده جهانی خواهند بود که همچون پایگاه داده دیگری با قابلیت یادگیری ادامه خواهد یافت.

نه، اما وقتی که

این تغییرات یک شبه اتفاق نخواهد افتاد، اما اجتناب ناپذیر است. اگرچه بسیاری از پزشکان این تغییرات را به عنوان یک تهدید در نظر می گیرند، فرصت برای خیر جهانی بی سابقه است.

یک اشعه ایکس گرفته شده در آفریقای استوایی می تواند با همان اعتماد به عنوان خوانده شده در یک مرکز عالی در استرالیا خوانده می شود. بثورات عفونی می تواند به یک تلفن ارسال شود و تشخیص بلافاصله صورت می گیرد. بسیاری از زندگی ها نجات خواهد یافت و هزینه مراقبت های بهداشتی به فقرا در جهان می تواند حداقل باشد و در بسیاری از موارد رایگان باشد.

برای اینکه این واقعیت تبدیل شود، کارشناسان می توانند با ماشین ها کار کنند و به آنها کمک کنند. در ابتدا، ممکن است از دستگاه ها خواسته شود تست های ساده تر انجام دهند، اما به تدریج به آنها آموزش داده می شود، همانطور که انسان بیشتر چیزها را در زندگی یاد می گیرد.

حرفه پزشکی باید این فرصت ها را برای تغییر درک کند، و پزشکان آینده ما باید با دقت در مورد شغل های پزشکی آینده دروغ بگویند. تقریبا مطمئن است که چشم انداز اشتغال پزشکی در سال های 15 مانند آنچه که امروز می بینیم، شبیه نیست.

درباره نویسندهگفتگو

راس کرافورد، استاد تحقیقات ارتوپدی، دانشگاه کوئینزلند فناوری؛ Anjali Jaiprakash، عضو هیئت تحریریه دانشگاه، رباتیک پزشکی، دانشگاه صنعتی کوئینزلند، و جاناتان رابرتز، استاد رباتیک دانشگاه تکنولوژی کوئینزلند

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط:

at