شرکت در رویداد محبوب مدیران ارشد به مدت نزدیک به دو دهه: پنجاهمین کنفرانس VB Transform، همایش ویژه‌ای است که به همت بزرگ‌ترین شخصیت‌های دنیای کسب‌وکار در میانه تحولات هوش مصنوعی برگزار می‌شود. در این رویداد، به بررسی استراتژی‌های واقعی هوش مصنوعی در سازمان‌ها پرداخته خواهد شد.
به تازگی، دانشجویی در حوزه پزشکی سوالی را مطرح کرد که می‌تواند تغییرات شگرفی در نحوه تعامل ما با سوابق پزشکی ایجاد کند: “چه احساسی دارد که بتوان با سوابق پزشکی به همان روشی که با ChatGPT گفتگو می‌کنیم، تعامل داشت؟” این پرسش منجر به توسعه ابزار ChatEHR در مرکز بهداشت استنفورد شد. این ابزار اکنون در حال بهره‌برداری است و به تسریع بررسی‌های پزشکی هنگام پذیرش بیماران در اورژانس کمک می‌کند، همچنین خلاصه‌سازی انتقال بیماران و تحلیل اطلاعات پیچیده تاریخچه پزشکی را تسهیل می‌سازد.
بر اساس نتایج اولیه این پروژه، کاربران بالینی شاهد افزایش چشمگیر سرعت دسترسی به اطلاعات بوده‌اند؛ به‌طور خاص، پزشکان اورژانس ۴۰٪ کاهش زمان بررسی سوابق پزشکی را در حین انتقال بیماران تجربه کردند. مایکل آ. پفر، معاون ارشد و رئیس اطلاعات و دیجیتال استنفورد، در گفت‌وگویی در کنفرانس VB Transform به این نکته اشاره کرد که این تغییرات به کاهش خستگی پزشکان و بهبود کیفیت خدمات درمانی کمک می‌کند.
پفر در این گفتگو افزود: “ما دو دهه به دیجیتال‌سازی داده‌های پزشکی مشغول بوده‌ایم، اما عملا تحول اساسی در این حوزه نداشته‌ایم.” وی اشاره کرد که با استفاده از فناوری‌های جدید مدل‌های زبانی بزرگ، اکنون در حال تحقق این تحول دیجیتال هستیم.
پزشکان تا ۶۰٪ از زمان خود را به وظایف اداری اختصاص می‌دهند و اغلب برای انجام این وظایف، ساعات شخصی و خانوادگی خود را فدای کار می‌کنند. یکی از اهداف کلیدی پفر این است که جریان کار را تسهیل کرده و ساعات اضافی را کاهش دهد تا کادر درمان و اداری بتوانند بیشتر بر روی مسائل مهم تمرکز کنند.
به‌عنوان نمونه، اطلاعات زیادی از طریق پرتال‌های آنلاین بیماران دریافت می‌شود و اکنون هوش مصنوعی توانایی دارد که پیام‌های بیماران را خوانده و پیش‌نویس پاسخ‌ها را ایجاد کند تا توسط انسان بررسی و ارسال گردد. پفر این روند را به‌عنوان یک نقطه شروع توصیف کرد و گفت: “این فرآیند زمان را صرفه‌جویی نمی‌کند، اما بی‌شک خستگی روانی را کاهش می‌دهد.”
توسعه فناوری‌های هوش مصنوعی در حوزه بهداشت و درمان نویدبخش فرصت‌های جدیدی است. به عنوان مثال، برای بیماران مبتلا به سرطان که نیاز به بررسی‌های خاصی دارند، تیمی از متخصصان باید برای تعیین مراحل درمان آینده به بررسی کامل سوابق پزشکی بپردازند.
هدف نهایی در این راستا، ایجاد قابلیت‌هایی در ChatEHR است که بتواند خلاصه‌سازی و ایجاد زمان‌بندی‌های درمانی و پیشنهادات برای بررسی پزشکان را انجام دهد. با این تحولات، کادر پزشکی قادر خواهند بود تمرکز بیشتری بر روی مراقبت از بیماران داشته باشند، که این امر در شرایط کمبود پزشک و پرستار در حال حاضر بسیار حیاتی است.
استنفورد همچنین به شکل‌گیری تیم‌های چندرشته‌ای در توسعه هوش مصنوعی توجه ویژه‌ای دارد، به طوری که این تیم شامل دانشمندان داده، متخصصان اطلاعات پزشکی و متخصصان اطلاعات پرستاری است. پفر اشاره کرد که هدف این است که هوش مصنوعی به ابزاری تبدیل شود که همه‌ی افراد در حوزه‌های مختلف پزشکی بتوانند از آن بهره‌برداری کنند.
بدین ترتیب، در آینده، ما شاهد تحولی در تعامل پزشک و بیمار ناشی از فناوری‌های هوش مصنوعی خواهیم بود.