[ad_1]

این س ofال که چه کسی باید به واکسن های COVID-19 دسترسی داشته باشد ، در ایالت های مختلف متفاوت است ، برخی از دولت ها کسانی را که در معرض خطر هستند اولویت قرار می دهند و برخی دیگر سن را کاهش می دهند.

یک سیستم مستقر در داکوتای جنوبی ، بهداشت Sanford ، از یک مدل یادگیری ماشین برای شناسایی افرادی که بیشتر در معرض خطر شدید نتایج COVID-19 هستند استفاده می کند – و الگوریتم را برای گروه های واجد شرایط اعمال می کند.

„С [those] دکتر جرمی کاوبلز ، مدیر ارشد پزشکی سانفورد به رادیو عمومی مینه سوتا گفت .

HIMSS20 دیجیتال

در صورت تقاضا ، کسب اعتبار ، یافتن محصولات و راه حل ها را بیاموزید. شروع کنید >>

کاولز به MPR گفت که او معتقد است رویکرد هوش مصنوعی منصفانه تر از انتخاب تصادفی برای تزریق واکسن است.

سنفورد تنها نیست. کارشناسان می گویند هوش مصنوعی پتانسیل زیادی برای کمک به اجرای واکسن COVID-19 دارد.

لوری جونز ، مدیر ارشد درآمد و رئیس بازار تأمین کننده زیتون ، ارائه دهنده هوش مصنوعی به عنوان یک سرویس ، گفت: “سرعت و مقیاس توزیع واکسن بی سابقه است و ما شاهد نقش هوش مصنوعی هستیم.”

جونز به جای استفاده از هوش مصنوعی برای شناسایی بیماران در معرض خطر ، پتانسیل خود را برای ارتقا efficiency کارآیی در گردش کار موجود ذکر کرد.

“بیشترین تمرکز برای سازمانهایی که ما با آنها کار می کنیم مربوط به مدیریت سازمان ، برنامه ریزی ، قبل از ثبت نام و فعالیتهای ارتباطی درمورد آزمایش و خود واکسنها ، با اتوماسیون اضافی برای بهینه سازی ارتباط با بیماران و تحریک” کارایی خوب واکسن ، اطمینان از که بیماران برای دریافت دوزهای دوم آگاه ، آماده و حاضر هستند. ”

وی گفت: “ما یک مأموریت مهم پیش رو داریم و اگر نتوانیم ظرفیت سازمانهای واکسن سازی را برای پذیرش سریعتر بیماران بیشتر گسترش دهیم ، در واقع این خطر وجود دارد که این روند سالها طول بکشد ، نه ماهها.”

جونز از چت بات ها به عنوان مثالی عالی در مورد چگونگی استفاده از هوش مصنوعی در کنار سایر ابزارها ، به ویژه هنگامی که صحبت از تعامل بیمار است ، نام برد.

وی گفت: “مراکز تماس دیجیتال با قابلیت هوش مصنوعی به سازمانها کمک می کنند تا میزان قابل توجهی از علاقه به اطلاعات مهم واکسن را مدیریت کنند.” “سوالات متداول را می توان به بات بات تبدیل کرد تا اطلاعات موجود را به ویژه COVID-19 به روز کند.”

“گسترش واکسن بهترین آزمایش برای هوش مصنوعی برای نشان دادن وسعت فرصت های صرفه جویی در وقت و اثربخشی و نشان دادن ارزش کامل آن به رهبران بهداشت است.”

لوری جونز ، زیتون

گرگ جانسن ، مدیرعامل LifeLink موافقت کرد ، “اگر صنعت مراقبت های بهداشتی همچنان به فرم های کاغذی ، تماس های تلفنی ، برنامه های تلفن همراه ، پورتال ها و کمپین های ایمیل متکی باشد ، رسیدگی به گلوگاه ها ایجاد خطوط طولانی ، سردرگمی و سرخوردگی خواهد کرد” ، سازمانهای بهداشتی

جانسون گفت: “پیچیدگی اضافی اسناد جدید ، پنجره های خاص ردیابی واکسیناسیون و هجوم افرادی که بیمار جدید هستند می تواند بر روند ادامه پذیرش و برنامه ریزی غلبه کند.” “ساخت تعداد انگشت شماری از دستیارهای دیجیتال برای آموزش هزاران نفر نیز در مورد کارایی و هزینه بسیار مهم است.”

با این وجود ، خواندن هوش مصنوعی معایب واضحی دارد – یعنی انتظار خطا در فن آوری.

جونز گفت: “پیگیری استراتژی های هوش مصنوعی قطعاً می تواند به چالش های فرزندخواندگی منجر شود و پذیرش برای هر استراتژی هوش مصنوعی بسیار مهم است.” وی افزود: “یك مانع درك از هوش مصنوعی این است كه ابزارهای هوش مصنوعی جایگزین كاركنان بهداشت انسانی نمی شوند: آنها در واقع آنها را توانمند می كنند و به آنها كمك می كنند تا بهتر و سریعتر كار كنند.”

همچنین خطرات همیشگی تولید مثل بایاس یا الگوریتم های معیوب وجود دارد. در دسامبر سال جاری ، مرکز پزشکی استنفورد به دلیل اولویت قرار دادن مدیران نسبت به کارمندان بهداشت درجه یک ، به دلیل خطا در فرمولی مبتنی بر قانون که برای محاسبه اینکه چه کسی واکسن را برای اولین بار دریافت می کند ، مورد انتقاد قرار گرفت.

سانفورد ، داکوتای جنوبی ، همچنین نژاد یا قومیت را به عنوان عاملی در الگوریتم های خود مورد استفاده قرار نمی دهد ، با این نظریه که افراد با نرخ بالاتر بیماری مزمن در تعیین اولویت ها ارتقا می یابند.

اما با توجه به تأثیر نامتناسب COVID-19 بر روی بیماران رنگی – به ویژه سیاه پوستان ، لاتین ها و افراد محلی – سایر سیستم های بهداشتی در ایالت های اطراف می گویند که مهم است که این آمارهای جمعیتی را در نظر گرفت.

شیوا بیدار-سیلاف ، مدیر اجرایی تنوع در UW Health ، به MPR گفت: دانشگاه ویسکانسین-مدیسون از الگوریتم مبتنی بر نژاد برای اولویت بندی واکسن های کارکنان در توزیع اولیه استفاده می کند.

بیدار-سیلاف گفت: “بسیار مهم است که درک کنیم همه داده ها به این واقعیت اشاره می کنند که متأسفانه نژاد و قومیت خطر بیشتری برای بستری شدن در بیمارستان و مرگ برای COVID-19 را نشان می دهد.”

وی گفت: “بنابراین وقتی الگوریتم خود را بررسی کردیم ، دیدیم که اگر سن و SVI را اضافه کنید ، که دارای آن م componentلفه نژاد و قومیت هستند ، تأثیر چند برابری در خطر بستری شدن و مرگ در فرد دارد.”

برخی از شرکت ها بر نیاز به احتیاط در توزیع واکسن تأکید می کنند.

نمایندگان Salesforce ، که ماه گذشته برای کمک به مشتریان در مدیریت تزریق واکسن ، ابزار Vaccine Cloud خود را راه اندازی کرد ، گفتند که آنها در تلاشند تا توزیع عادلانه ای را تضمین کنند.

“Vaccine Cloud می تواند راه حل های یکپارچه و سفارشی برای مشتریان ما ارائه دهد ، از جمله توانایی استفاده از داده ها و بینش برای پشتیبانی [the] توزیع ، مدیریت و استفاده از واکسن ها ، “سخنگوی Salesforce گفت اخبار فناوری اطلاعات در مراقبت های بهداشتی از طریق ایمیل.

“با این حال ، اصول ما برای استفاده اخلاقی از راه حل های فناوری واکسن COVID-19 به صراحت بیان می کند که نباید از AI برای پیش بینی خصوصیات شخصی یا عقایدی که بر اولویت فرد یا گروهی برای دسترسی به واکسن ها تأثیر می گذارد استفاده شود ، و ما از نزدیک کار می کنیم با شرکا و تیم های ما در این راهنما. ”

با این حال ، واضح است که هوش مصنوعی – اگر با مسئولیت پذیری استفاده شود – ممکن است بتواند گسترش COVID-19 را برای بیماران در معرض خطر سریعتر و مثرتر کند.

جونز گفت: “گسترش واکسن بهترین آزمایش برای هوش مصنوعی برای نشان دادن وسعت فرصت های صرفه جویی در وقت و کارایی و نشان دادن ارزش کامل آن به رهبران بهداشت است.” “هنگامی که سازمان ها از بحران COVID خارج می شوند ، می بینیم که هوش مصنوعی در حال تبدیل شدن به بخشی جدایی ناپذیر از استراتژی دیجیتال آنها است.”

کت جرشیچ سردبیر ارشد مراقبت های بهداشتی فناوری اطلاعات است.
توییتر: kjercich
ایمیل: gdjecich@himss.org
Health IT News نشریه ای از رسانه HIMSS است.



[ad_2]

منبع: gharb-khabar.ir