Een van de grootste ziekenhuizen van het land heeft uitgebreide plannen onthuld om kunstmatige intelligentie te gebruiken om taken uit te voeren die traditioneel door artsen en verpleegkundigen worden uitgevoerd, van het diagnosticeren van kanker op CT-scans tot het beslissen welke SEH-patiënten het eerst worden gezien.
De driejarige samenwerking tussen University College London Ziekenhuizen(UCLH) en het Alan Turing Institute willen de voordelen van de revolutie in machine learning op ongekende schaal naar de NHS brengen.
Prof Bryan Williams, directeur van onderzoek aan het University College London Hospitals NHS Foundation Trust, zei dat de verhuizing een grote impact zou kunnen hebben op de resultaten van patiënten, en parallel loopt met de transformatie van de consumentenervaring door bedrijven zoals Amazon en Google.
"Het wordt een game-wisselaar," zei hij. "Je kunt je telefoon gebruiken en een vliegticket boeken, beslissen welke films je gaat kijken of een pizza bestellen ... het draait allemaal om AI," zei hij. “Op de NHS zijn we lang niet zo geavanceerd. We sturen nog steeds brieven, wat buitengewoon is. '
De kern van het partnerschap, waarin UCLH een 'substantiële' maar niet nader genoemde som investeert, is de overtuiging dat algoritmen voor machine learning nieuwe manieren kunnen bieden om ziekten te diagnosticeren, mensen met een ziekterisico te identificeren en middelen te sturen. In theorie kunnen artsen en verpleegkundigen responsief worden ingezet op afdelingen, zoals Uber-chauffeurs die op bepaalde momenten van de dag naar locaties met de grootste vraag trekken. Maar de verhuizing zal ook zorgen wekken over privacy, cyberveiligheid en de verschuivende rol van gezondheidswerkers.
[the_ad id = "11018 ″]
Het eerste project zal zich richten op het verbeteren van de afdeling spoedeisende hulp van het ziekenhuis, die zoals veel ziekenhuizen de doelstellingen van de wachttijd van de overheid niet haalt.
"Onze prestaties dit jaar zijn achtergebleven bij de wachttijd van vier uur, wat geen weerspiegeling is van de toewijding en toewijding van onze medewerkers", aldus prof. "[Het is] een indicator van enkele van de andere dingen in de hele keten met betrekking tot de stroom van acute patiënten in en uit het ziekenhuis die verkeerd zijn."
Met behulp van gegevens uit duizenden presentaties kan een algoritme voor machine learning bijvoorbeeld aangeven of een patiënt met buikpijn waarschijnlijk aan een ernstig probleem leed, zoals darmperforatie of een systemische infectie, en die patiënten versnellen toestand wordt kritisch.
"Machines zullen artsen nooit vervangen, maar het gebruik van gegevens, expertise en technologie kan de manier waarop we onze services beheren radicaal veranderen", aldus Levi.
Een ander project, dat al aan de gang is, is bedoeld om patiënten te identificeren die waarschijnlijk niet naar de afspraken komen. Een consultant neuroloog in het ziekenhuis, Parashkev Nachev, heeft gegevens, waaronder factoren zoals leeftijd, adres en weersomstandigheden, gebruikt om met 85% nauwkeurigheid te voorspellen of een patiënt zal verschijnen voor poliklinieken en MRI-scans.
wpDiscuz