مجله روانشناسی

مدیریت مراکز روانشناسی

۵ مطلب با کلمه‌ی کلیدی «هوش مصنوعی» ثبت شده است

آینده خدمات پزشکی و درمانی چگونه خواهد بود؟

دنیای امروز با دنیای 30 یا 20 یا حتی 10سال پیش خیلی متفاوت است. همه ما رشد تکنولوژی را در زندگی روزمره خود به طور محسوس احساس کردیم و تکنولوژی، بسیاری از مشاغل را تغییر داده است.

از ورود تلفن های همراه هوشمند گرفته تا ورود تاکسی های اینترنتی در حوزه حمل و نقل و غیره.

سوالی که باید به آن فکر کنیم، این است که در حرفه پزشکی چه تغییراتی تا 20 یا 30 سال آینده امکان تغییر دارد؟ آیا به عنوان پزشک یا مدیریت کلینیک خود را برای آن تغییرات آماده کرده اید یا خیر؟

آینده خدمات پزشکی و درمانی چگونه است؟

اگر کمی دقیق شویم متوجه خواهیم شد در هر حرفه ای امکان تغییرات وجود دارد. بعضی مواقع، تغییراتی که به واسطه تکنولوژی اتفاق می افتد کسب و کار را تنها با تغییرات کوچکی مواجه می کند. اما گاهی به کلی ساختار یک حرفه تغییر می کند مانند مثالی که ابتدای بحث مطرح کردیم.

اکثر مشاغل در دنیای تکنولوژی دچار تغییرات بزرگ و کوچکی شده اند یا در آینده خواهند شد. اما سوال اساسی اینجاست که با این رشد سریع در تکنولوژی، آینده خدمات پزشکی چگونه است؟ آیا حرفه های پزشکی هم دچار تغییر خواهند شد؟

پاسخ این پرسش به احتمال بسیار زیاد، مثبت است.

چرا حرفه های پزشکی در آینده دستخوش تغییرات خواهند شد؟

ما می توانیم مشاغل را به دو دسته کلی تقسیم کنیم، مشاغلی که قابلیت الگوریتم سازی و روتین سازی دارد و مشاغلی که نیاز به ابداع، خلاقیت، هنر و مهارت های انسانی دارد که از پس رایانه ها بر نمی آید.

همه مشاغلی که امکان الگوریتم سازی یا روتین سازی داشته باشند می توانند توسط رایانه ها و با برنامه نویسی انجام شوند. پس امکان اینکه خیلی از مشاغل روتین، در آینده توسط ربات ها، اپلیکیشن ها، نرم افزارها و … انجام شود بسیار بالا است. اما از طرف دیگر مشاغلی که نیاز به ارتباطات انسانی دارند احتمالا از این تغییرات مصون خواهند بود.

یک سوال: در پزشکی چه مشاغلی روتین هستند و چه مشاغلی و مهارت هایی نیاز به ارتباطات انسانی دارند؟

همانطور که گفتیم مانند بسیاری از مشاغل، در حرفه های پزشکی، مهارت ها و شغل هایی که بر اساس الگوریتم مشخصی هستند، امکان دارد در آینده از حرفه پزشکی حذف شوند.

به عنوان مثال همانطور که امروزه شاهد هستیم با ورود سیستم های نوبت دهی از طریق موبایل یا کامپیوتر، مشاغلی مانند منشی مطب ها یا کلینیک ها  کمرنگ تر شده اند و از جمله مشاغلی هستند که با ورود تکنولوژی حذف خواهند شد.

البته مشاغل اصلی پزشکی نیز از این تغییرات مصون نیستند. با توجه به اینکه امکان تشخیص های پزشکی با استفاده از قابلیت الگوریتم سازی وجود دارد، پس فرآیندهای تشخیص و درمان نیز دچار تغییراتی خواهند شد. و نقش پزشکان نیز در فرآیند تشخیص بیماری کمرنگ خواهد شد.

به عنوان نمونه در آینده ای نه چندان دور شاهد این خواهیم بود که سیستم های کامپیوتری قادر به تحلیل نتایج آزمایش خون یا سونوگرافی خواهند بود، و می توانند با ضریب اطمینان بالایی، نوع بیماری،را تشخیص دهند. 

اما در این میان خدمات پزشکی که به مهارت های ارتباطی بستگی دارند، هرگز یا با احتمال بسیار کمی نمی توانند  روتین سازی شده و به وسیله هوش مصنوعی و کامپیوترها جایگزین شوند. این دسته از مشاغل نقش کلیدی در آینده حرفه پزشکی دارند و رقابت هم بر سر این موارد خواهد بود. در ادامه بررسی می کنیم چه مهارت هایی امکان روتین سازی به وسیله رایانه ها را ندارند و از طریق انسان ها باید انجام شوند.

در آینده کدام مشاغل پزشکی نمی توانند بوسیله روتین سازی جایگزین شوند؟

فعالیت هایی از قبیل موسیقی، هنر، خلاقیت و طراحی از فعالیت های هستند که ربات ها، رایانه ها و سیستم ها قادر نیستند آن ها را انجام دهند. این سری از فعالیت ها در نیم کره راست مغز نشات می گیرند و به آنها فعالیت های راست مغزی می گویند.

علاوه بر مهارت هایی که در بالا به آنها اشاره کردیم، مهارت های دیگری نیز هستند که مختص انسان می باشند و کامپیوترها قادر نیستند به راحتی این دسته از فعالیت ها را انجام دهند.

مهارت های ارتباطی از جمله همدردی و همدلی نمودن با بیماران از جمله فعالیت هایی هستند که در حوزه پزشکی وجود داشته و سیستم ها قادر به انجام آن نیستند.

همدلی یعنی برای دقایقی که با بیمار هستیم دنیا را از زاویه نگاه او ببینیم. اینکه او چطور دنیا را می بیند و در آن لحظه چه احساسی دارد! مهارتی سخت، جالب و البته تاثیرگذار!

در همدلی کردن، گوش دادن موثر نیز بسیار اهمیت دارد. اگر بتوانیم به درستی به صحبت بیمارمان گوش کنیم، شرایط اولیه همدلی بهتر مهیا می شود.

خیلی جالب است بدانیم بر اساس آمار و ارقام، پزشکی که با بیمار همدلی بیشتری داشته است، با احتمال بیشتری بیمارش بهبود پیدا می کند و پیروی از مسیر درمان بسیار بالاتر می رود. بنابراین همدلی بر درمان بیمار هم بسیار تاثیرگذار است.

لطفا نظر خود را درباره این پست در صفحه اینستاگرام به اشتراک بگذارید: ورود به اینستاگرام

سیستم مدیریت مطب، کلینیک و بیمارستان دکتر لینک سیستمی با انعطاف پذیری بسیار بالا  جوابگوی تمامی تخصص های پزشکی می باشد.

مقالات مرتبط:

ترس و استرس بیماران را چطور کاهش دهیم؟

طراحی برنامه وفادارسازی بیماران

راهنمای مدیریت کلینیک برای حفظ بیماران 

چرا یک پزشک حرفه ای به وب سایت نیاز دارد؟

۱ نظر موافقین ۰ مخالفین ۰
دکتر لینک

کاربرد هوش مصنوعی در پزشکی(قسمت دوم)

تشخیص بیماری به اطلاعات متعدد و مرتبط کردن آن ها به یکدیگر بستگی دارد. هوش مصنوعی احتمالاً گزینه مناسبی برای این کار محسوب می شود.

هوش مصنوعی در مراقبت‌های مرتبط با سلامت به معنای استفاده از الگوریتم‌ها و نرم‌افزارها است تا تقریباً شناخت انسان را در تجزیه و تحلیل اطلاعات پزشکی پیچیده مورد استفاده قرار دهد. به‌طور خاص، هوش مصنوعی توانایی الگوریتم‌های کامپیوتری برای به دست آوردن نتایج بدون درنظر گرفتن مستقیم انسان است.

آنچه تکنولوژی هوش مصنوعی را از تکنولوژی‌های قدیمی در مراقبت‌های مرتبط با سلامت متمایز می‌کند، توانایی کسب اطلاعات، پردازش آن و ارائه خروجی به‌طور دقیق به کاربر نهایی است. هوش مصنوعی این عملیات را با استفاده از الگوریتم‌های یادگیری ماشین انجام می‌دهد که می‌تواند الگوها را در رفتار تشخیص دهد و منطق خود را ایجاد کند. برای کاهش خطا، الگوریتم هوش مصنوعی نیاز دارد تا بارها مورد آزمایش قرار گیرد.

تشخیص بیماری های چشم با هوش مصنوعی

نمونه اول) تشخیص بیماری چشمی ناشی از دیابت به کمک هوش مصنوعی

پژوهشگران استرالیایی برای تشخیص نوعی بیماری چشمی ناشی از دیابت، روشی مبتنی بر هوش مصنوعی ارائه داده‌اند.
روش‌های استاندارد تشخیص شبکیه‌رنجوری دیابتی، معمولا تهاجمی و پرهزینه هستند و اغلب در دسترس ساکنان بخشی از جهان قرار نمی‌گیرند. نتایج حاصل از روش مبتنی بر هوش مصنوعی ما، دقت اسکن‌های بالینی را دارند اما بر تصاویری از شبکیه تکیه می‌کنند که با ابزار معمول بینایی‌سنجی تهیه شده‌اند. افزایش سرعت و کاهش هزینه تشخیص این بیماری غیرقابل درمان، می‌تواند تغییر چشمگیری در زندگی افرادی که به این بیماری مبتلا هستند اما آن را تشخیص نداده‌اند، ایجاد کند.

نمونه دوم) تشخیص بیماری های چشم با پیکسل های روی چشم

شرکت هوش مصنوعی گوگل موسوم به "دیپ‌مایند" (DeepMind)، نوعی سیستم هوش مصنوعی طراحی کرده که می‌تواند بیش از از ۵۰ بیماری چشمی را تنها با بررسی اسکن سه‌بعدی شبکیه تشخیص دهد. این شرکت در نظر دارد با تمرکز بر هوش مصنوعی، همه مواردی که می‌توانند منجر به بروز بیماری‌های خطرناک چشم شوند، تشخیص دهد و پیشنهاداتی برای انتخاب مناسب‌ترین نوع درمان به بیماران ارائه کند. بدین ترتیب، با استفاده از این سیستم، تعداد افرادی که بینایی خود را از دست می‌دهند، کاهش خواهد یافت. در این سیستم، هوش مصنوعی، پیکسل‌هایی را روی اسکن چشم مشخص می‌کند که با نشانه‌های بیماری مطابقت دارند.

تشخیص بیماری های قلبی به کمک هوش مصنوعی

نمونه اول)تشخیص بیماری های قلبی با اسکن چشم

به‌تازگی روشی برای ارزیابی ریسک ابتلا افراد به بیماری‌ قلبی با استفاده از یادگیری ماشین پیدا کرده‌اند. در این روش، اسکن لایه‌های پشتی چشم بیماران توسط یک نرم‌افزار تحلیل می‌شود و اطلاعات دقیق درباره سن، فشار خون و این‌که آیا فرد سیگار می‌کشد یا خیر به دست می‌آید. با داشتن این اطلاعات می‌توان پیش‌بینی نمود که آیا فرد در خطر سکته قلبی یا اتفاق‌های مشابه قرار دارد یا خیر. دقت این روش تقریبا برابر با روش‌های کنونی مورد استفاده در پزشکی عنوان شده است.

ایده نگاه کردن به چشمان شما برای قضاوت در مورد سلامتی قلبتان غیر عادی به نظر می‌رسد؛ اما این روش از یک تحقیق ثابت‌شده علمی به‌ دست آمده است. دیواره داخلی چشم (فوندوس) پر از عروق خونی و منعکس‌کننده سلامت کلی بدن است. پزشکان با مطالعه ظاهر آن با دوربین و میکروسکوپ می‌توانند چیزهایی مانند فشار خون فرد، سن و اینکه آیا فرد سیگار می‌کشد یا خیر را استخراج کنند که همگی پیش‌بینی‌کننده‌های مهم سلامت قلب و عروق هستند.

نمونه دوم) سیستم از نوارهای قلب الکتروکاردیوگرام(ثبت ضربان قلب به وسیله برق) برای بررسی میزان سلامت قلب استفاده می کند.

سیستم مذکور، اختلالات بطن چپ قلب را با دقت بالایی تشخیص می دهد و این در حالی است که شناسایی این نوع نارسایی ها معمولا با انجام آزمایش ها و تصویربرداری های گران قیمت و وقت گیر ممکن است.

اختلالات بطن چپ قلب می تواند باعث از کار افتادن قلب فرد و مرگ وی شود. اما نکته نگران کننده این است که اختلال یاد شده هیچ علامت مشخصی ندارد و ناگهان فرد را دچار مشکل می کند.

سیستم هوش مصنوعی جدید با بررسی نوار قلب فرد در عرض 10 ثانیه وجود یا عدم وجود این اختلال را تشخیص می دهد. سیستم مذکور با جمع آوری داده های بیش از 600 هزار مریض و بررسی نوارهای قلب آنها طراحی شده و دقت آن در حدود 85 درصد است.

ساخت دستکش برای جراحی از راه دور

این دستکش به جراحان اجازه می دهد از راه دور عمل جراحی را انجام دهند. این دستکش برای جراحی لمسی ربات ها مورد استفاده قرار می گیرد. این دستکش حس لامسه را برای جراحان فراهم می آورد و به آنها اجازه می دهد عمل جراحی روی بیماران را از راه دور انجام دهند. دستکش به حسگرهایی مجهز است که لمس کردن را شبیه سازی می کنند. زمانی که جراح دست خود را حرکت می دهند، اطلاعات به یک بازوی رباتیک ارسال می شود. دست رباتیک می تواند عکس العمل نشان داده و به جراح اجازه دهد که عملیات را از راه دور کنترل کند.

مأموریت تکنولوژی دکتر لینک هوشمند سازی سازماندهی، امن سازی در جهت مدیریت مطب و کلینیک می باشد.
نظر خود را درباره این پُست در صفحه اینستاگرام به اشتراک بگذارید: ورود به اینستاگرام

مقالات مرتبط:

کاربردهای هوش مصنوعی در پزشکی(قسمت اول)

مدیریت سنتی مطب در مقابل مدیریت مدرن

افزایش بهره وری در مدیریت مراکز درمانی

صفر تا صد پرونده الکترونیک سلامت

۰ نظر موافقین ۰ مخالفین ۰
دکتر لینک

کاربردهای هوش مصنوعی در پزشکی(قسمت اول)

 هوش مصنوعی به سیستم هایی گفته می شود که می توانند واکنش هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه سازی فرایندهای تفکری و شیوه های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. بیشتر نوشته ها و مقاله های مربوط به هوش مصنوعی، آن را به عنوان « دانش شناخت و طراحی عامل های هوشمند» تعریف کرده اند.

هوش مصنوعی در علم پزشکی: امروزه به دلیل گسترش دانش و پیچیده تر شدن فرایند تصمیم گیری، استفاده از سیستم های اطلاعاتی به خصوص سیستم های هوش مصنوعی در تصمیم گیری، اهمیت بیشتری یافته است. هوش مصنوعی گسترش دانش در حوزه پزشکی و پیچیدگی تصمیمات مرتبط با تشخیص و مدیریت کلینیک  به عبارتی حیات انسان توجه متخصصین را به  استفاده از سیستم های پشتیبان تصمیم گیری در امور پزشکی جلب نموده است. به همین دلیل، استفاده از انواع مختلف سیستم های هوشمند در پزشکی رو به افزایش است، به گونه ای که امروزه تأثیر انواع سیستم های هوشمند در پزشکی مورد مطالعه قرار گرفته است.

کاربردها:

کاربردهای هوش مصنوعی چنان گسترده و فراگیر شده اند که بسیاری از این کاربردها دیگر با نام هوش مصنوعی شناخته نمی شوند و نام تخصصی خود را دارند. تأثیر هوش مصنوعی را اکنون می توان در همه جهات و نقاط زندگی مردم دید.

کاربردهای عملی آن دسته از کاربردهای هوش مصنوعی هستند که عملیات خاصی را انجام داده و عمل یا تأثیر آن به وضوح توسط کاربر خواهد شد. برای مثال جستجوی خودکار گوگل که از الگوریتم های و متدهای پیچیده هوش مصنوعی استفاده می کند، پس از انجام یک عملیات پر هزینه و البته سریع نتایج مرتبط را به شما نشان خواهد داد.

اولین کاربرد: کمک هوش مصنوعی به اورژانس

هوش مصنوعی به تکنسین های اورژانس در دانمارک در تشخیص حمله قلبی کمک می کند. تکنسین های اورژانس کار سختی دارند، چرا که باید ضمن اطمینان خاطر دادن و حفظ آرامش بیمار، سوالاتی بپرسند که می تواند زندگی بیمار را نجات دهد. اما به زودی می توانند از هوش مصنوعی کمک بگیرند. در این مورد هوش مصنوعی کلمات و صداها را هنگام تماس بیماران برای تشخیص حمله قلبی آنالیز می کند و سپس تکنسین اورژانس را با سوالات مناسب برای تشخیص دقیق تر راهنمایی می کند. همچنین این سیستم با یادآوری آدرس دقیق حادثه به حرکت آمبولانس در مسیر درست کمک می کند.

ارائه روشی بهینه در اعزام آمبولانس مبتنی بر شبکه های پیچیده و هوش مصنوعی

هدف سرویس های اورژانس پزشکی کاهش مرگ و میر ناشی از بیماری ها و صدمات می باشد. اعزام سریع سرویس های اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء می شود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس های اورژانس پزشکی می باشد. یکی از روش هایی که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر تحلیل شبکه های پیچیده است. هدف این روش اعزام  آمبولانس مدنظر به تماسی می باشد که مرکزیت بیشتری نسبت به دیگر تماس ها دارد، که منجر به کارایی بهتر مسیر مناسب برای ماشین های سرویس دهنده می باشد که پیچیدگی زمانی این روش ها بسیار بالا می باشد. در این روش پیشنهادی، اولویت اورژانسی تماس ها نیز در نظر گرفته شده است، که متغییری مهم در تصمیم گیری ها می باشد. روش پیشنهادی نسبت به روش های قبلی از محدودیت های کمتری برخوردار بوده  و نتایج شبیه سازی گسترده نیز بهبود معنی دار این روش را در مقایسه با روش های قبلی مانند روش مرکزیت و نزدیک ترین همسایه مورد تایید قرار می گیرد.

جایگزینی هوش مصنوعی با پزشکان و پرستاران بیمارستانی

یکی از بزرگترین و پیشرفته ترین بیمارستان های لندن با افزایش هوش مصنوعی و یادگیری عمیق در بخش های مختلف توانسته تعداد پزشکان و پرستاران را کاهش دهد. در این بیمارستان برای تشخیص بیماری هایی نظیر سرطان نیز از هوش مصنوعی استفاده شده است. هدف از تاسیس این بیمارستان بهره گیری از هوش مصنوعی و یادگیر ماشین است و انقلابی جدید و بی سابقه را ایجاد می کند.  پیش بینی می شود که این مرکز تأثیر مهمی بر روی تشخیص و درمان بیماری های مختلف داشته باشد. در تاسیس این بیمارستان کمپانی های بزرگی نظیر آمازون و گوگل نیز همکاری داشته اند و خدمات گسترده ای را در زمینه هوش مصنوعی و یادگیر ماشین ارائه کرده اند.

در این مرکز از الگوریتم های یادگیری ماشین که روش جدیدی برای تشخیص بیماری ها و شناسایی افراد در معرض خطر هستند ارائه می شود. تمرکز اصلی این پروژه برای شروع بر روی بهبود بخش تصادفات و اورژانس بیمارستان است. با سیستم های هوش مصنوعی سرعت ویزیت و تشخیص بیماری ها افزایش خواهد یافت و شاهد عملکردی بهتر در این  مدیریت کلینیک و درمان خواهند بود. البته مدیران این مرکز اذعان کرده اند که هوش مصنوعی هرگز جای پزشکان را نخواهد گرفت و همچنان به تخصص پزشکان نیاز خواهد بود. به طور کلی روش های سنتی در این بیمارستان حذف شده است و روش های نوین عملکرد فوق العاده ای را از این مرکز ارائه کرده است. تحقیقات پزشکی نیز در این بیمارستان به طور گسترده صورت می گیرد و تحولی عظیمی در بخش درمان مشاهده می شود.

با به عهده گرفتن بخش هایی از مسئولیت پزشکان و بیمارستان، کارها سبک تر خواهد شد و مدیریت کلینیک، پزشکان زمان بیشتری را با بیماران خود سپری خواهند کرد و شاهد نتایج بهتری در بخش درمانی خواهیم بود.

مأموریت تکنولوژی دکتر لینک هوشمند سازی سازماندهی، امن سازی در جهت مدیریت مطب و کلینیک می باشد.

نظر خود را درباره این پُست در صفحه اینستاگرام به اشتراک بگذارید: ورود به اینستاگرام

مقالات مرتبط:

مدیریت سنتی مطب در مقابل مدیریت مدرن

افزایش بهره وری در مدیریت مراکز درمانی

صفر تا صد پرونده الکترونیک سلامت

چالش های زمانبندی در مدیریت مطب


۱ نظر موافقین ۰ مخالفین ۰
دکتر لینک

پزشکی از راه دور چیست؟

امروزه علوم مختلف، وابستگی خود را به IT احساس می کنند. علم پزشکی نیز از این قانون مستثنی نیست . و اینترنت علاوه بر تأثیراتی که در پیشرفت خود آن داشته‌است در توسعه و بهبود ارائهٔ خدمات پزشکی نیز تأثیرات بسزایی داشته‌است. این دو رشته کاملا از یکدیگر جدا هستند و باید به گونه ای آنها را به یکدیگر پیوند داد. مدیریت تکنولوژی، به عنوان یک علم میان رشته ای نقش پیوند دهنده را ایفا می کند.

تله مدیسین یا پزشکی از راه دور چیست ؟

(telemedicine ) تله مدیسین در ادبیات موضوع به معنای "پزشکی از راه دور " است و این کلمه در دهه 1970 میلادی توسط فردی به نامThomas bird معرفی شده است . طبق تعریف ITU ، تله مدیسین عبارتست از " عمل مراقبت پزشکی با استفاده از ارتباطات صوتی تصویری.

این عمل مشتمل بر نگهداری، مراقبت، تشخیص، مشاوره و معالجه بوده ضمن اینکه در این مرحله توجه به انتقال داده های پزشکی و مسائل آموزشی نیز وجود دارد" در نگاهی جامع تر و کامل تر می توان گفت " بطور عمومی تله مدیسن به کاربرد فناوری های پزشکی و ارتباطی جهت تبادل هر گونه اطلاعات، اعم از داده ، صدا یا ارتباطات تصویری بین پزشک و بیمار یا پزشک و متخصصان بهداشت و درمان در موقعیت های مجزای جغرافیایی و به منظور ایجاد امکان تبادل جهت مقاصد پزشکی ، بهداشتی درمانی ، تحقیقاتی و آموزشی تحصیلی اطلاق می شود" انواع سرویس های تله مدیسین سرویس های تله مدیسین به 3 گروه اطلاعات داده ای ، صوتی و تصویری تقسیم می شوند:

الف) اطلاعات و سرویس های صوتی : این دسته از از سرویس ها بر مبنای اطلاع|رسانی به وسیله خطوط تلفن مهیا می شود. کم هزینه ترین نوع سرویس اطلاع رسانی پزشکی به وسیله تلفن است که در ایران هم تحت عنوان پزشک در منزل مورد استفاده قرار می گیرد. این سرویس به 2 گونه تقسیم بندی می شود:

گروه اول به صورت برون خط (off line) : به طور مثال صدای قلب بیمار برای پزشک ارسال و توسط دستگاه ضبط می شود ، تا مورد تجزیه و تحلیل قرار گیرد و گاهی هم خروجی به صورت منحنی کشیده شده و نتیجه به بیمار اعلام می شود.

گروه دوم به صورت بر خط (on line) : به طور مثال صدای بیمار از طریق خط تلفن مستقیم به پزشک می رسد و پزشک همان جا روی آن تصمیم گیری کرده و اعلام نتیجه می کند. اطلاعات و سرویس های تصویری از جمله این سرویس ها می توان به کنفرانس ویدئویی و انتقال تصاویر و دورآ پرتو نگاری اشاره کرد. این سرویس ها هزینه بر هستند ولی کاربرد فراوانی دارند.گاهی اوقات با دستگاه های اسکنر این اطلاعات به پزشک معالج می رسد و گاهی هم بوسیله پرتونگاری دیجیتالی این اتفاق رخ می دهد که بطور مستقیم تصاویر به صورت دیجیتالی تبدیل شده و انتقال می یابد. این روش امروزه در مراکز پرتونگاری رایج است.

اطلاعات و سرویس های داده ای این نوع از اطلاعات به 3 گروه تقسیم می شوند:

-1 دسترسی on-line به پایگاه های اطلاعاتی که باعث می شود پزشکان و کاربران دیگر به راحتی از آخرین وضعیت بیمار مطلع شده و سریع تجویز کرده و بلافاصله بازخورد دهند.

2- اینترنت است که برای به روز رسانی اطلاعات پزشکی به کار می رود و باعث می شود پزشکان از آخرین اخبار جهان پزشکی مطلع شده و یا حتی بوسیله اینترنت از گوشه ای به گوشه دیگر اطلاعات را رد و بدل کرده و مراقبت های پزشکی انجام دهند .

3- دورآسنجی است که به مفهوم مطالعه و نمایش عملکردهای فیزیولوژیک انسان یا حیوان از مراکز دور یا سیار است . اولین تجربه دورآسنجی توسط NASA انجام شده است که از وضعیت فیزیولوژیک فضانوردان خود مطلع بود .

کاربردهای سرویس های تله مدیسین بسیار گسترده و فراگیر است اما به 4 گروه کلی تقسیم می شوند که عبارتند از:

-1 مشاوره از راه دور(tele consulation):که به وسیله ابزار گوناگونی اتفاق می افتد مثل تلفن ، پست و یا کنفرانس ویدئویی

- 2 آموزش از راه دور (tele education) : در جهان امروز این موضوع به اثبات رسیده است که توسعه هر علمی نیازمند آموزش گروه های متخصص آن علم است. tele education در 3 حوزه مطرح می شود :

- آموزش از راه دور

- دسترسی به اطلاعات از راه دور

- آموزش بهداشت از راه دور tele education دارای مزایای زیادی است از جمله اینکه به دلیل کاهش رفت و آمد بیماران و متخصصان مخارج عمومی کاهش یافته و دیگر اینکه میزان اطمینان به مراکز بهداشتی درمانی افزایش و تبادل اطلاعات بین مراکز درمانی بهبود می یابد .

-1 فوریت های پزشکی و کمک به آسیب دیدگان: به دلیل اینکه در مواقع ضروری و حساس حوادث طبیعی و غیر مترقبه ، دسترسی به فوریت های پزشکی دشوار است با وجود تله مدیسین می توان راه را کوتاه کرده و عملیات کمک را با سرعت بیشتری انجام داد .

-2 جراحی از راه دور: جراحی از راه دور توسط روبات ها و سیستم های پزشکی پیشرفته انجام می شود ولی به دلیل هزینه بر بودن این روش هنوز در کشورهای در حال توسعه انتقال مناسب نیافته و محدود به کشورهای توسعه یافته شده است. 2 مشکل اساسی در جراحی از راه دور مطرح است: یکی عدم اطمینان لازم بیماران از روش های جراحی از راه دور است که باید با آموزش صحیح این مشکل حل شود و دیگری عدم لمس کردن پزشک به صورت مستقیم است که پیش بینی می شود به زودی کیفیت لمس کردن روبات ها بالا رفته و این مشکل برطرف شود. تله مدیسین دارای چه منافعی است تله مدیسین دارای منافع اجتماعی و اقتصادی فراوانی است که لزوم وجود این تکنولوژی را پررنگ می کند .

کاهش هزینه ها، کاهش فرصت های انتظار، کاهش مسافرت ها، بهبود مشاوره ها و استفاده از نقطه نظرات ثانویه، خدمات اجتماعی و...از اهم مزایای این سیستم است.

نظر خود را درباره این پُست در صفحه اینستاگرام به اشتراک بگذارید: ورود به اینستاگرام

با راهکار TeleMedicine تکنولوژی دکتر لینک بستری هوشمند و امن برای مشاوره آلاین-TeleMedicine بدون تأخیر و با کیفیت بالا با بیماران خود در سراسر جهان داشته باشید.

:مقالات مرتبط

(کاربردهای شبکه های اجتماعی در حوزه بهداشت درمان(قسمت اول

(کاربردهای شبکه های اجتماعی در حوزه بهداشت درمان(قسمت دوم


۰ نظر موافقین ۰ مخالفین ۰
دکتر لینک

هوش مصنوعی برای پیگیری وضعیت بیماران پس از درمان

حضور هوش مصنوعی در پزشکی جدید اجتناب ناپذیر است. البته هوش مصنوعی هرگز جایگزین پزشکان نخواهد شد بلکه با گسترش افق دید پزشک به وی آسودگی و آرامش در تشخیص و درمان را هدیه خواهد داد. تنها در این صورت است که پزشکان قادر به انجام همین امر در مورد بیماران خواهند بود.

هوش مصنوعی گوگل

پژوهشگران گوگل به دنبال تلاش برای توسعه هوش مصنوعی به منظور پیگیری وضعیت مداوای بیماران پس از بیماری هستند.

به نقل از وب سایت اندروید هدلاین، نتیجه تحقیقات بیش از ۳۴ پژوهشگر در شرکت گوگل حاکی از آن است که هوش مصنوعی توسعه یافته شده‌ای قادر است وضعیت سلامت و بهبود بیماران پس از درمان و مداوا را نشان داده و پیگیری کند .

این پژوهشگران بر این باورند که بیماران پس از مرخص شدن از بیمارستان، کلینیک‌های پزشکی و درمانگاهها نیاز به مراقبت ویژه‌ای دارند چراکه ممکن است بسیاری از آنها پس از مداوای لازم در بیمارستان، بدن شان پاسخ مورد نظر پزشکان را ندهد و همین امر باعث می شود که در موارد نادری، وضعیت نامناسب آنها منجر به مرگ و رو به وخامت رفتن اوضاع سلامتی شان شود.

برخی از پژوهشگران گوگل در حوزه‌ی هوش مصنوعی در تلاش برای پیش‌بینی نتیجه‌ی مداوای بیماران، بلافاصله پس از بستری‌ شدن در بیمارستان هستند.

محققان گوگل برای انجام این پژوهش، داده‌های مربوط به ۲۱۶,۲۲۱ فرد ناشناس را با بیش از ۴۶ میلیارد نقطه‌داده‌ بین آن‌ها جمع‌آوری کرده است. داده‌های یادشده در مجموع مربوط به ۱۱ سال در دو بیمارستان، شامل مرکز درمانی دانشگاه کالیفرنیا سان فرانسیسکو از سال ۲۰۱۲ تا ۲۰۱۶میلادی و دانشکده‌ علوم پزشکی دانشگاه شیکاگو  از ۲۰۰۹ تا ۲۰۱۶ میلادی هستند.

این محققان با توسعه هوش مصنوعی ویژه‌ای مدعی هستند که می‌توانند الگوها و مدل‌های مرگ و بهبود وضعیت سلامتی بیماران را پیش بینی کند و اطلاعات ارزشمندی را در اختیار کادر پزشکی و پزشک مربوطه قرار دهد. این اطلاعات توسط پرستاران بخش مربوطه نیز قابل دسترسی و پیگیری است تا بدین وسیله بیماران بتوانند به وضعیت بهبود خود بعد از درمان و مداوا اطمینان خاطر بیشتری داشته باشند.

 علاوه بر پیگیری وضعیت بیماران پس از درمان، این غول فناوری جهان در حال انجام آزمایش‌هایی با کمک کامپیوتر و هوش مصنوعی است که می‌تواند پیش‌بینی کند آیا بیماران پذیرش شده در بیمارستان پس از ۲۴ ساعت می‌میرند یا خیر!

هوش مصنوعی می‌تواند با دقتی بالای ۹۵ درصد این آزمایشات را انجام و زمان مرگ بیمار را پیش‌بینی کند.

هوش مصنوعی با دریافت اطلاعاتی مانند سن، جنس، نژاد و نوع بیماری می‌تواند زمان مرگ بیمار را پیش‌بینی کند. البته، این اطلاعات بعدا با اطلاعات پزشکی بیمار در بیمارستان مانند تشخیص‌های قبلی، علایم حیاتی بیمار، جواب‌های آزمایشگاهی و نظایر این‌ها ترکیب می‌شوند.

ابتدا، این سیستم هوش منصوعی توسط تیم‌ تحقیقاتی از دانشگاه‌های استنفورد، شیکاگو و UC سانفرانسیسکو توسعه داده شده ولی گوگل آن را تصاحب و با یادگیری ماشینی آموزش می‌دهد.

گوگل برای آموزش هوش مصنوعی از اطلاعات دو مرکز بزرگ پزشکی ۲۱۶ و ۲۲۱ بزرگ‌سال امریکا استفاده کرده است. این اطلاعات نزدیک به ۴۶ میلیارد رکورد بودند که توسط هوش مصنوعی تجزیه و تحلیل شدند.

هوش مصنوعی گوگل به مرور توانست میان برخی واژه‌های پزشکی و بیماری‌ها با زندگی یا مرگ انسان‌ها ارتباط برقرار کند و بفهمد کدام فرد احتمال دارد زنده بماند یا اینکه بمیرد.

مدل‌سازی هر نوع اطلاعات ورودی

آنچه درباره سیستم هوش مصنوعی گوگل هیجان‌انگیز است؛ امکان استفاده کردن از هرگونه اطلاعاتی است. این سیستم می‌تواند هر نوع اطلاعاتی را به عنوان ورودی دریافت کند و مورد بررسی قرار دهد. تقریبا بیش از ۸۰ درصد زمان توسعه این سیستم صرف پیش‌بینی مدل‌هایی شده است که اطلاعات ورودی برای هوش مصنوعی تعیین می‌کنند.

چون ممکن است اطلاعات ورودی به اندازه کافی واضح و روشن نباشند یا اطلاعاتی جانبی و نامرتبط باشند ولی باز هم هوش مصنوعی سعی می‌کند براساس این اطلاعات یک پیش‌بینی دقیق بالینی را انجام دهد.

سیستم توسعه داده شده براساس یادگیری ماشینی، علاوه بر حدس زدن زمان مرگ بیمار، می‌تواند مدت زمان بستری شدن آن در بیمارستان و امکان پذیرش یا ترخیص‌اش را هم حدس بزند.

بیمارستان‌ها می‌توانند از این سیستم هوش مصنوعی برای مراقبت بهتر از بیماران استفاده کنند.

دکتر لینک پیشرو در تکنولوژی های نوین

مقالات مرتبط :

جذب بیمار به کمک پیگیری درمان

پیگیری درمان به کمک دکتر لینک

۵ استفاده ویدئو کنفرانس در پزشکی

ویژگی های جعبه داشبورد تکنولوژی دکتر لینک

۰ نظر موافقین ۰ مخالفین ۰
دکتر لینک