تظهر كل يوم تقريبًا تنبؤات جديدة حول مدى تأثير الذكاء الاصطناعي في كافة القطاعات في المستقبل، ومن هذه التنبؤات ما هو سلبي مثل: القضاء على ملايين الوظائف، ومنها ما هو إيجابي مثل: مساعدتنا في اكتشاف حقائق جديدة عن الكون.
تستند العديد من التوقعات إلى أنواع من تقنيات الذكاء الاصطناعي غير موجودة بالفعل التي ما زالت قيد التطوير، ولكن وجدت دراسات حديثة أن تقنيات الذكاء الاصطناعي المستخدمة حاليًا في قطاع الرعاية الصحية يمكنها توفير مليارات الدولارات سنويًا.
كشفت دراسة حديثة أجرتها جامعة هارفارد (Harvard University)، وشركة (ماكنزي) McKinsey للاستشارات الإدارية أن تقنيات الذكاء الاصطناعي المتاحة حاليًا يمكنها توفير ما يصل إلى 360 مليار دولار في قطاع الرعاية الصحية في الولايات المتحدة سنويًا، أو نسبة 10% من الإنفاق السنوي على الرعاية الصحية.
وقد أوضحت الدراسة أن تقنيات الذكاء الاصطناعي الموفرة للتكاليف في قطاع الرعاية الصحية يمكن استخدامها في المهام الإدارية مثل: تحسين مستويات التوظيف حسب طلب المريض، أو تحسين جدول غرف العمليات بحيث يمكن إجراء المزيد من العمليات الجراحية، أو إدارة بيانات المرضى بفعالية.
كما يمكن استخدامها في مهام الرعاية الصحية السريرية، مثل: التنبؤ بإصابة المريض بالمرض نفسه مرة أخرى، وتشخيص صور الأشعة، ورصد الأمراض الوبائية بسرعة، بالإضافة إلى تعزيز الأبحاث الطبية، وتطوير العقاقير الجديدة.
موضوعات ذات صلة بما تقرأ الآن:
وأشارت الدراسة إلى أن توفير التكاليف سيحدث دون التضحية بالجودة وإمكانية الوصول، إذ يمكن أن تؤدي هذه الفرص أيضًا إلى فوائد غير مالية مثل: تحسين جودة الرعاية الصحية، وزيادة الوصول، وتوفير تجربة أفضل للمرضى، ورضا أكبر للأطباء.
وأكدت الدراسة أن توفيـر هذه التكاليف يمكن تحقيقه في غضون السنوات الخمس المقبلة، إذ إن توسيع نطاق استخدام الذكاء الاصطناعي لا يزال يُشكل تحديًا بسبب وجود مشكلات تتعلق باكتساب الثقة ووقت التنفيذ.
وقال ( نيخيل ساهني) Nikhil Sahni الشريك في شركة (McKinsey) والمشارك في الدراسة: “كل ما نتحدث عنه هنا؛ هو تقنيات موجودة بالفعل اليوم وتُستخدم في دراسات الحالة التي رأيناها في تجربتنا، نحن لا نتحدث عن حالات استخدام جديدة خيالية لم يسبق لأحد أن رأى تنفيذها”.
الذكاء الاصطناعي التوليدي والرعاية الصحية:
ظهرت الآن استخدامات عديدة للذكاء الاصطناعي التوليدي في قطاع الرعاية الصحية وخاصة النماذج اللغوية الكبيرة (LLMs)، فعلى سبيل المثال: تعمل شركة (Carbon Health) على إدماج روبوت دردشة تفاعلي يستند في عمله إلى النموذج اللغوي (GPT-4) – وهو نفسه النموذج المستخدم في (ChatGPT) – في نظام (السجلات الصحية الإلكترونية) EHR الخاص بها. وأثناء الموعد؛ سيقوم الروبوت بتسجيل المحادثة بين المريض ومقدم الخدمة، وإنشاء ملخص للزيارة يتضمن التاريخ الطبي للمريض، وأكواد التشخيص، وأي ملاحظات أخرى يضيفها مقدم الخدمة.
تشير الإحصائيات إلى أن روبوت مثل هذا يمكنه في المتوسط ملء مخطط طبي في أقل من أربع دقائق مقارنة بـ 16 دقيقة للمخطط اليدوي، كما يمكن لهذه التقنية منح الأطباء مزيدًا من الوقت لعلاج المرضى، إذ يقضي مقدمو الخدمات عادة نحو 34 دقيقة مع كل مريض، لكن نحو نصف الموعد مخصص للعمل الإداري مثل: التخطيط.
بالإضافة إلى ذلك؛ طور باحثون في كلية جروسمان للطب بجامعة نيويورك نموذجًا لغويًا كبيرًا يُسمى (NYUTron) لتحليل السجلات الصحية الإلكترونية يمكنه القيام بمهام متعددة منها: تقدير مدة إقامة المريض في المستشفى، وخطر الوفاة، واحتمالية إصابة المريض مرة أخرى بالمرض، بالإضافة إلى عوامل أخرى.
وقد وجد الباحثون أن نموذج (NYUTron) كان قادرًا على التنبؤ بنحو 80% من عمليات التنبؤ بإصابة المريض بالمرض نفسه مرة أخرى في غضون شهر.
وبذلك من المتوقع أن يشق الذكاء الاصطناعي طريقه إلى كل جانب من جوانب الرعاية الصحية، ولكن لا يمكن لهذه التقنيات أن تحل محل مقدمي الخدمة بالكامل بل هي أدوات مساعدة توفر الكثير من المال والجهد وتُحسن جودة الخدمة المقدمة.
