بیمارستان هوشمند چیست؟

یک بیمارستان هوشمند برای تسهیل تصمیم‌گیری به بینش‌های مبتنی بر داده، از جمله مدل‌های یادگیری ماشین و دستگاه‌های پزشکی مبتنی بر هوش مصنوعی متکی است.

بیمارستان‌های هوشمند – که از داده‌ها و بینش‌های هوش مصنوعی برای تسهیل تصمیم‌گیری در هر مرحله از تجربه بیمار استفاده می‌کنند – می‌توانند بینش‌هایی را در اختیار متخصصان پزشکی قرار دهند که مراقبت بهتر و سریع‌تری را ممکن می‌سازد.

یک بیمارستان هوشمند از داده ها و فناوری برای تسریع و ارتقای کاری که متخصصان مراقبت های بهداشتی و مدیریت بیمارستان انجام می دهند، مانند ردیابی اشغال تخت بیمارستان، نظارت بر علائم حیاتی بیماران و تجزیه و تحلیل اسکن های رادیولوژی استفاده می کند.

بیشتر بخوانید: خانه هوشمند

تفاوت بین یک بیمارستان هوشمند و یک بیمارستان سنتی چیست؟

بیمارستان ها به طور مداوم در حال تولید و جمع آوری داده ها هستند که بیشتر آنها اکنون دیجیتالی شده اند. این فرصتی را برای آنها ایجاد می کند تا از فناوری هایی مانند تجزیه و تحلیل داده ها و هوش مصنوعی برای بینش بهتر استفاده کنند.

داده هایی که زمانی به عنوان یک فایل کاغذی با سابقه پزشکی بیمار، نتایج آزمایشگاهی و اطلاعات ایمن سازی ذخیره می شد، اکنون به عنوان پرونده الکترونیک سلامت یا EHR ذخیره می شود. اسکنرهای دیجیتال سی تی و ام آر آی، و همچنین نرم افزاری از جمله سیستم ذخیره سازی تصویربرداری پزشکی PACS، جایگزین ابزارهای رادیولوژی آنالوگ می شوند. و حسگرهای متصل در اتاق‌های بیمارستان و سالن‌های عمل می‌توانند جریان‌های پیوسته متعددی از داده‌ها را برای تجزیه و تحلیل بلادرنگ و گذشته‌نگر ضبط کنند.

با انتقال بیمارستان‌ها به این ابزارهای دیجیتال، آن‌ها آماده تغییر از یک بیمارستان معمولی به یک بیمارستان هوشمند هستند – بیمارستانی که نه تنها داده‌ها را جمع‌آوری می‌کند، بلکه آن‌ها را نیز تجزیه و تحلیل می‌کند تا بینش‌های ارزشمند و به موقع ارائه کند.

مدل‌های پردازش زبان طبیعی می‌توانند به سرعت بینش‌هایی را از گزارش‌های آسیب‌شناسی پیچیده برای حمایت از مراقبت از سرطان استخراج کنند. علم داده می تواند زمان انتظار اتاق اورژانس را برای رفع تنگناها بررسی کند. رباتیک های مجهز به هوش مصنوعی می توانند به جراحان در اتاق عمل کمک کنند. و تجزیه و تحلیل ویدئویی می تواند تشخیص دهد که مواد ضدعفونی کننده دست در حال اتمام است یا بیمار نیاز به توجه دارد – مانند تشخیص خطر سقوط در بیمارستان یا خانه.

برخی از مزایای بیمارستان هوشمند چیست؟

فناوری بیمارستان هوشمند به روش‌های زیر به سیستم‌های مراقبت‌های بهداشتی، متخصصان پزشکی و بیماران کمک می‌کند:

ارائه دهندگان مراقبت های بهداشتی: داده های بیمارستان هوشمند را می توان برای کمک به مراکز مراقبت بهداشتی برای بهینه سازی منابع محدود خود، افزایش کارایی عملیاتی برای رویکرد بیمار محور بهتر مورد استفاده قرار داد. حسگرها می‌توانند بیماران را هنگامی که در اتاق تنها هستند نظارت کنند. الگوریتم‌های هوش مصنوعی می‌توانند به اطلاع بیمارانی که باید بر اساس شدت موردشان در اولویت قرار گیرند، کمک کنند. و راه‌حل‌های بهداشت از راه دور می‌توانند به ارائه مراقبت به بیماران در خارج از بیمارستان کمک کنند.
پزشکان: ابزارهای بیمارستانی هوشمند می توانند پزشکان، پرستاران، تکنسین های تصویربرداری پزشکی و سایر متخصصان مراقبت های بهداشتی را قادر سازند تا با مراقبت از کارهای معمول یا پرزحمت، مانند نوشتن یادداشت ها در مورد هر تعامل بیمار، تقسیم ساختارهای آناتومیک در MRI، زمان بیشتری را صرف تمرکز بر مراقبت از بیمار کنند. یا تبدیل یادداشت های پزشک به کدهای پزشکی برای صورتحساب بیمه. آنها همچنین می توانند به تصمیم گیری بالینی با الگوریتم های هوش مصنوعی کمک کنند که نظر دوم یا توصیه تریاژ را برای بیماران جداگانه بر اساس داده های تاریخی ارائه می دهد.
بیماران: فناوری بیمارستان هوشمند می‌تواند خدمات بهداشتی را به هدف مراقبت مداوم و با کیفیت بالا از بیمار – در هر نقطه از جهان، از هر پزشکی، نزدیک‌تر کند. پزشکان در سطح مهارت، زمینه های تخصص، دسترسی به منابع و زمان در دسترس برای هر بیمار متفاوت هستند. با استقرار هوش مصنوعی و روباتیک برای نظارت بر الگوها و خودکارسازی وظایف زمان‌بر، بیمارستان‌های هوشمند می‌توانند به پزشکان اجازه دهند تا برای تجربه بهتر بر تعامل با بیماران خود تمرکز کنند.

بیشتر بخوانید: شرکت خانه هوشمند

چگونه می توانم بیمارستان خود را هوشمند کنم؟

راه اندازی یک بیمارستان هوشمند نیازمند یک اکوسیستم کامل از راه حل های سخت افزاری و نرم افزاری است که هماهنگ با جریان کاری پزشکان کار می کنند. برای تسریع و بهبود مراقبت از بیمار، هر برنامه، دستگاه، حسگر و مدل هوش مصنوعی در سیستم باید داده ها و بینش ها را در سراسر موسسه به اشتراک بگذارد.

بیمارستان هوشمند را مانند یک اختاپوس در نظر بگیرید. رئیس آن سرور امن سازمان است که کل داده های تاسیسات را ذخیره و پردازش می کند. هر یک از شاخک های آن یک بخش متفاوت است – اورژانس، ICU، اتاق عمل، آزمایشگاه رادیولوژی – پوشیده از حسگرها (مکنده های اختاپوس) که داده ها را از محیط اطراف خود دریافت می کنند.

اگر هر شاخک در یک سیلو عمل می کرد، برای اختاپوس غیرممکن بود که بر اساس اطلاعاتی که توسط یک بازو حس می شود، در سراسر بدن خود سریع عمل کند. هر شاخک داده‌ها را به مغز مرکزی اختاپوس می‌فرستد و این موجود را قادر می‌سازد تا به محیط در حال تغییر خود واکنش انعطاف‌پذیری نشان دهد.

به همین ترتیب، بیمارستان هوشمند یک مدل Hub-and-Spoke است، با حسگرهایی که در سراسر یک مرکز توزیع شده است که می تواند بینش های مهم را به مغز مرکزی ارسال کند و به تصمیم گیری در کل مرکز کمک کند. به عنوان مثال، اگر تغذیه دوربین در اتاق عمل نشان دهد که یک روش جراحی تقریباً کامل شده است، هوش مصنوعی به کارکنان اتاق ریکاوری هشدار می دهد که برای ورود بیمار آماده باشند.

برای تقویت راه‌حل‌های بیمارستانی هوشمند، شرکت‌های تجهیزات پزشکی، مراکز پزشکی دانشگاهی و استارت‌آپ‌ها به NVIDIA Clara روی می‌آورند، یک پلت‌فرم هوش مصنوعی سرتاسری که با کل شبکه بیمارستان ادغام می‌شود – از دستگاه‌های پزشکی که برنامه‌های بلادرنگ اجرا می‌کنند تا سرورهای ایمن که ذخیره می‌کنند. و داده ها را در دراز مدت پردازش می کند. از لبه، مرکز داده و زیرساخت ابری، کتابخانه‌های نرم‌افزاری متعدد و یک اکوسیستم شریک جهانی برای تامین انرژی نسل آینده بیمارستان‌های هوشمند پشتیبانی می‌کند.

عملیات بیمارستان هوشمند و نظارت بر بیمار

یک بیمارستان شلوغ دارای قطعات متحرک بیشماری است – بیماران، کارکنان، دارو و تجهیزات – که فرصتی را برای اتوماسیون هوش مصنوعی برای بهینه سازی عملیات در اطراف مرکز ارائه می دهد.

در حالی که یک پزشک یا پرستار نمی تواند در هر لحظه از بستری شدن در بیمارستان در کنار بیمار باشد، ترکیبی از تجزیه و تحلیل های ویدئویی هوشمند و سایر حسگرهای هوشمند می توانند بیماران را از نزدیک زیر نظر داشته باشند و در مواقعی که فرد در مضیقه است و نیاز به توجه دارد، به ارائه دهندگان مراقبت های بهداشتی هشدار می دهد.

به عنوان مثال، در یک ICU، بیماران به دستگاه های نظارتی متصل می شوند که به طور مداوم علائم حیاتی را جمع آوری می کنند. بسیاری از این ها به طور مداوم با هشدارهای مختلف بوق می زنند، که می تواند باعث شود پزشکان مراقبت های بهداشتی گاهی اوقات زنگ هشدار یک سنسور را نادیده بگیرند.

الگوریتم‌های هوش مصنوعی با تجمیع داده‌های جریانی از چندین دستگاه در یک فید واحد، می‌توانند داده‌ها را در زمان واقعی تجزیه و تحلیل کنند و به تشخیص سریع‌تر کمک می‌کنند که آیا وضعیت بیمار تغییر ناگهانی به سمت بهتر یا بدتر می‌کند.

موسسه متدیست هیوستون برای پزشکی آکادمیک در حال کار با Mark III Systems، یکی از اعضای نخبه شبکه شرکای NVIDIA، برای استقرار ابزار مبتنی بر هوش مصنوعی به نام DeepStroke است که می تواند علائم سکته مغزی را در تریاژ دقیق تر و زودتر بر اساس گفتار و صورت بیمار تشخیص دهد. حرکات با ادغام این مدل‌های هوش مصنوعی در گردش کار اتاق اورژانس، بیمارستان می‌تواند سریع‌تر درمان مناسب برای بیماران سکته مغزی را شناسایی کند، و به پزشکان کمک می‌کند بیمارانی را که به طور بالقوه از درمان‌های نجات‌بخش سود می‌برند، از دست ندهند.

با استفاده از راه‌حل‌های درجه سازمانی از Dell و NVIDIA – از جمله سرورهای Dell PowerEdge با شتاب GPU، سیستم ابری ترکیبی NVIDIA Fleet Command و کیت توسعه نرم‌افزار DeepStream برای تجزیه و تحلیل جریان‌های هوش مصنوعی – Artisight یک شبکه بیمارستانی هوشمند شامل بیش از 2000 دوربین و میکروفون را مدیریت می‌کند. در پزشکی شمال غربی

یکی از مدل های Artisight به پرستاران و پزشکان در مورد بیمارانی که در معرض آسیب هستند هشدار می دهد. سیستم دیگری بر اساس داده های سیستم موقعیت یابی داخل در، گردش کار کلینیک را برای به حداکثر رساندن بهره وری کارکنان و بهبود رضایت بیمار به طور خودکار انجام می دهد. سومی رویدادهای قبل از عمل، حین عمل و بعد از عمل را شناسایی می کند تا عملیات جراحی را هماهنگ کند.

این سیستم‌ها افزودن عملکرد بدون توجه به مکان را آسان می‌کنند: یک شبکه حسگر مبتنی بر هوش مصنوعی که اتاق‌های بیمارستان را برای جلوگیری از سقوط بیمار نظارت می‌کند، همچنین می‌تواند تشخیص دهد که تجهیزات بیمارستان در حال اتمام است یا زمانی که اتاق عمل باید تمیز شود. سیستم‌ها حتی از طریق ابزارهای مشاوره از راه دور یکپارچه Artisight برای نظارت بر بیماران در معرض خطر در خانه، از دیوارهای بیمارستان فراتر می رود.

آخرین عنصر کلیدی عملیات مراقبت های بهداشتی، کدگذاری پزشکی است، فرآیند تبدیل یادداشت های پزشک به مجموعه ای از کدهای الفبایی عددی که هر تشخیص و روشی را نشان می دهد. این کدها در ایالات متحده از اهمیت ویژه ای برخوردار هستند، جایی که اساس صورتحساب هایی را تشکیل می دهند که پزشکان، کلینیک ها و بیمارستان ها به سهامداران از جمله ارائه دهندگان بیمه و بیماران ارسال می کنند.

استارت‌آپ ابتدایی Fathom مدل‌های هوش مصنوعی را برای خودکارسازی فرآیند پر زحمت کدگذاری پزشکی، کاهش هزینه‌ها و افزایش سرعت و دقت توسعه داده است. این شرکت که در سال 2016 تأسیس شد، با بزرگترین سیستم‌های بهداشتی کشور، شرکت‌های صدور صورت‌حساب و گروه‌های پزشک همکاری می‌کند و سالانه بیش از 20 میلیون بیمار را کدگذاری می‌کند.

تصویربرداری پزشکی در بیمارستان های هوشمند

یادگیری عمیق ابتدا به عنوان ابزاری برای شناسایی اشیاء در تصاویر محبوبیت پیدا کرد. این یکی از اولین کاربردهای صنعت مراقبت های بهداشتی برای این فناوری است. ده‌ها مدل هوش مصنوعی با تأییدیه نظارتی در فضای تصویربرداری پزشکی وجود دارد که به بخش‌های رادیولوژی در بیمارستان‌های هوشمند کمک می‌کند تا تجزیه و تحلیل داده‌های CT، MRI و اشعه ایکس را تسریع بخشند.

هوش مصنوعی می‌تواند اسکن‌های قبلی را انجام دهد، مناطقی را که برای صرفه‌جویی در زمان نیاز به توجه رادیولوژیست دارند، علامت‌گذاری کند – به آنها پهنای باند بیشتری برای مشاهده اسکن‌های اضافی یا توضیح نتایج به بیماران می‌دهد. این می تواند موارد حیاتی مانند خونریزی مغزی را به بالای لیست کاری رادیولوژیست منتقل کند و زمان تشخیص و درمان موارد تهدید کننده زندگی را کوتاه کند. و می تواند وضوح تصاویر رادیولوژی را افزایش دهد و به پزشکان اجازه می دهد دوز لازم را برای هر بیمار کاهش دهند.

شرکت‌ها و محققان پیشرو تصویربرداری پزشکی از فناوری NVIDIA برای تقویت برنامه‌های نسل بعدی که می‌توانند در محیط‌های بیمارستانی هوشمند استفاده شوند، استفاده می‌کنند.

زیمنس هلث‌اینرز راه‌حل‌های اتوکانتورینگ مبتنی بر یادگیری عمیق را توسعه داده است که امکان کانتورینگ دقیق اندام‌های در معرض خطر را در پرتودرمانی فراهم می‌کند.

و Fujifilm Healthcare از پردازنده‌های گرافیکی NVIDIA برای تقویت نرم‌افزار Cardio StillShot خود استفاده می‌کند که تصویربرداری دقیق قلب را در طول سی‌تی اسکن انجام می‌دهد. این تیم برای تسریع کار خود از نرم افزاری از جمله NVIDIA Optical Flow SDK برای تخمین حرکت در سطح پیکسل و NVIDIA Nsight Compute برای بهینه سازی عملکرد استفاده کرد.

استارت‌آپ‌های NVIDIA Inception نیز در حال پیشبرد جریان‌های تصویربرداری پزشکی با هوش مصنوعی هستند، مانند United Imaging Intelligence مستقر در شانگهای. پلتفرم uAI این شرکت به دستگاه‌ها، پزشکان و محققان با برنامه‌های هوش مصنوعی تمام‌الطیف، تصویربرداری، غربالگری، پیگیری، تشخیص، درمان و ارزیابی را می‌دهد. سیستم اسکن هوشمند uVision آن بر روی پلت فرم هوش مصنوعی NVIDIA Jetson edge اجرا می شود.

درباره استارتاپ هایی که از NVIDIA AI برای برنامه های تصویربرداری پزشکی استفاده می کنند، بیشتر بیاموزید.

جراحی دیجیتال و رباتیک در بیمارستان های هوشمند

در اتاق عمل یک بیمارستان هوشمند، تجزیه و تحلیل ویدئویی و رباتیک هوشمند برای دریافت داده ها و ارائه هشدارها و راهنمایی های مبتنی بر هوش مصنوعی به جراحان تعبیه شده است.

توسعه دهندگان دستگاه های پزشکی و استارت آپ ها بر روی ابزارهایی کار می کنند تا آموزش جراحی را پیش ببرند، به جراحان کمک کنند تا اقدامات را زودتر از موعد برنامه ریزی کنند، پشتیبانی و نظارت در زمان واقعی را در طول یک عمل ارائه دهند، و به ثبت سوابق پس از جراحی و تجزیه و تحلیل گذشته نگر کمک کنند.

شرکت جراحی رباتیک Moon Surgical مستقر در پاریس در حال طراحی Maestro است، یک سیستم روباتیک قابل دسترس و سازگار با دستیار جراحی که با تجهیزات و جریان کاری که اتاق های عمل از قبل در اختیار دارند کار می کند. این استارت آپ از NVIDIA Clara Holoscan استفاده کرده است تا در زمان و منابع صرفه جویی کند و به فشرده سازی جدول زمانی توسعه آن کمک کند.

Activ Surgical Holoscan را برای سرعت بخشیدن به توسعه هوش مصنوعی و راه حل واقعیت افزوده خود برای راهنمایی جراحی در زمان واقعی انتخاب کرده است. فناوری ActivSight شرکت مستقر در بوستون به جراحان اجازه می دهد تا ساختارها و عملکردهای فیزیولوژیکی حیاتی مانند جریان خون را که با چشم غیر مسلح دیده نمی شوند، مشاهده کنند.

و Proximie مستقر در لندن از Holoscan برای فعال کردن حضور از راه دور در اتاق عمل استفاده می کند و جراحان متخصص و راه حل های هوش مصنوعی را در هر عمل می آورد. هدف این شرکت با ادغام این اطلاعات در سیستم های تصویربرداری جراحی، کاهش میزان عوارض جراحی، بهبود ایمنی و مراقبت از بیمار است.

پزشکی از راه دور – فناوری بیمارستان هوشمند در خانه

بخش دیگری از فناوری بیمارستان هوشمند این است که اطمینان حاصل شود بیمارانی که نیازی به بستری شدن در بیمارستان ندارند، می‌توانند از طریق ابزارهای پوشیدنی، برنامه‌های گوشی هوشمند، قرار ملاقات‌های ویدیویی، تماس‌های تلفنی و ابزارهای پیام‌رسانی مبتنی بر متن مراقبت‌های خود را از خانه دریافت کنند. ابزارهایی مانند این بار بر روی امکانات مراقبت های بهداشتی را کاهش می دهند – به ویژه با استفاده از چت ربات های هوش مصنوعی که می توانند به طور موثر با بیماران ارتباط برقرار کنند.

هوش مصنوعی پردازش زبان طبیعی دستیارهای صوتی هوشمند و چت ربات‌های پزشکی از راه دور را در شرکت‌هایی مانند Curai، عضو شبکه جهانی استارت‌آپ‌های NVIDIA Inception، نیرو می‌دهد.

Curai از هوش مصنوعی مبتنی بر GPU برای اتصال بیماران، ارائه دهندگان و تیم های مراقبت از طریق یک برنامه مبتنی بر چت استفاده می کند. بیماران می توانند اطلاعات مربوط به شرایط خود را وارد کنند، به نمایه های پزشکی خود دسترسی داشته باشند و با ارائه دهندگان 24/7 چت کنند. این برنامه همچنین با ارائه پیشنهادهای تشخیصی و درمانی بر اساس الگوریتم های یادگیری عمیق Curai از ارائه دهندگان پشتیبانی می کند.

حوزه‌های اصلی تمرکز هوش مصنوعی کورای، پردازش زبان طبیعی (برای استخراج داده‌ها از مکالمات پزشکی)، استدلال پزشکی (برای ارائه توصیه‌های تشخیص و درمان)، و پردازش و طبقه‌بندی تصویر (عمدتاً برای تصاویر آپلود شده توسط بیماران) بوده است.

ابزارهای مراقبت مجازی مانند Curai’s را می توان برای مراقبت های پیشگیرانه یا راحت در هر زمان، یا پس از مراجعه به پزشک برای اطمینان از اینکه بیمار به خوبی به درمان پاسخ می دهد، استفاده کرد.

تحقیقات پزشکی با استفاده از داده های بیمارستان هوشمند

سودمندی داده‌های بیمارستان هوشمند زمانی که بیمار مرخص می‌شود پایان نمی‌یابد – این داده‌ها می‌تواند سال‌ها تحقیق را به همراه داشته باشد و بخشی از پایگاه داده یک موسسه شود که به بهبود کارایی عملیاتی، مراقبت‌های پیشگیرانه، کشف دارو و موارد دیگر کمک می‌کند. با ابزارهای مشترک مانند یادگیری فدرال، مزایا می تواند فراتر از یک موسسه پزشکی واحد باشد و تحقیقات را در سراسر حوزه مراقبت های بهداشتی در سطح جهانی بهبود بخشد.

اطلس جراحی مغز و اعصاب، بزرگترین انجمن جراحان مغز و اعصاب در جهان، با هدف ارتقای مراقبت از بیماران مبتلا به اختلالات جراحی مغز و اعصاب از طریق تکنیک های جدید و کارآمد جراحی است. اطلس شامل کتابخانه‌ای از ضبط‌ها و شبیه‌سازی‌های جراحی است که به جراحان مغز و اعصاب درک بی‌سابقه‌ای از مشکلات احتمالی قبل از انجام عمل می‌دهد و استاندارد جدیدی برای برتری فنی ایجاد می‌کند. در آینده، اطلس جراحی مغز و اعصاب قصد دارد نمایش های دیجیتالی دوقلو را برای بیماران جداگانه فعال کند.

مرکز بهداشت آکادمیک دانشگاه فلوریدا، UF Health، از سوابق سلامت دیجیتال که نشان دهنده بیش از 50 میلیون تعامل با 2 میلیون بیمار است برای آموزش GatorTron استفاده کرده است، مدلی که می تواند به شناسایی بیماران برای آزمایشات بالینی نجات دهنده، پیش بینی و هشدار به تیم های بهداشتی در مورد زندگی کمک کند. شرایط تهدید کننده، و حمایت تصمیم گیری بالینی برای پزشکان.

سوابق پزشکی الکترونیکی همچنین برای توسعه SynGatorTron، یک مدل زبانی که می‌تواند سوابق سلامت مصنوعی را برای کمک به افزایش مجموعه داده‌های کوچک ایجاد کند – یا امکان اشتراک‌گذاری مدل هوش مصنوعی را با حفظ حریم خصوصی داده‌های واقعی بیمار فراهم کند.

در تگزاس، دکتر اندرسون از سوابق بیمارستانی برای تجزیه و تحلیل داده های جمعیت استفاده می کند. با استفاده از جعبه ابزار NVIDIA NeMo برای پردازش زبان طبیعی، محققان یک پلتفرم هوش مصنوعی مکالمه ای را توسعه دادند که تجزیه و تحلیل ژنومی را با داده های سرطان سرطان انجام می دهد – از جمله تجزیه و تحلیل بقا، تجزیه و تحلیل جهش و پردازش داده های توالی.