כלי הבינה המלאכותית העדכנית של מיקרוסופט יכול לחזות פגישות רופאים שהוחמצו

בין המחסור ברופאים מיומנים, מחסור בצוות סיעודי ושחיקה כללית בקרב עובדי הבריאות, הבטחת תור לרופא אינה משימה קלה בנוף הקליני המודרני. ואכן, ערך הזמן לפגישות מעולם לא היה גבוה יותר.

היצירה הזו היא בדיוק מה שכלי הבינה המלאכותית (AI) האחרונה של מיקרוסופט מנסה לטפל: הפחתת פגישות רפואיות שהוחמצו. מירב דוידסון, סגנית נשיא מיקרוסופט ל-Industry AI, כתבה בבלוגים של Microsoft Industry: "העלות השנתית של החמצת פגישות בתעשיית הבריאות היא יותר מ-150 מיליארד דולר בארה"ב בלבד. פגישות שהוחמצו לא רק מובילות לירידה בבריאות המטופלים, אלא שההשפעות הכלכליות של אי-מופעים של חולים משפיעות באופן משמעותי על תפעול המרפאה ועל חישובי עלויות קבועות, וכתוצאה מכך לאייש יתר וזמני השבתה לא מתוכננים, בסופו של דבר משאירים את ספקי שירותי הבריאות נאבקים בפעולות היומיומיות".

דוידסון מדגיש תופעה חשובה. החמצת פגישות לא רק מזיקה למטופל, אלא גם לכלל המערכת האקולוגית הקלינית. לדוגמה, אם מטופל לא יופיע למשבצת שהוקצתה לו, החדר הזה לא יהיה בשימוש עבור פרק הזמן הזה. ברוב המצבים, לא ניתן למלא אותו רק באדם הבא בתור, בהתחשב בעובדה שמדובר בשירות מבוסס פגישות, והאדם הבא כנראה לא יגיע עד לזמן שהוקצב לו. אף על פי שמשבצת פגישות אחת או שתיים שהוחמצו עשויות להיות זניחות, כשמסתכלים עליה בפרספקטיבה הוליסטית, הזמן הלא מנוצל הזה עולה למערכת מיליארדי דולרים מדי שנה. חשוב יותר, אולי, העובדה שפגישה מבוזבזת היא הזדמנות שהוחמצה עבור מישהו אחר שבאמת היה צריך לראות רופא אבל לא הצליח להיכנס. בהתחשב בכך שרשימות ההמתנה הנוכחיות לרופאים ראשוניים כרוכה בזמני המתנה של חודשים ארוכים. מבחינה לאומית, זו בעיה אמיתית מאוד.

פרסומת

הכלי של מיקרוסופט מוטבע בפלטפורמת Cloud for Healthcare החזקה שלה ויש לו עקומת למידה קלה: "המודל ניתן לפריסה בקלות וניתן לאמן אותו תוך שעתיים בלבד, מה שמשאיר את ספק שירותי הבריאות מוכן להשתמש בפתרון תוך יום אחד בלבד. הצעה זו מועילה הן לרופאים והן למטופלים. עם ממשק ידידותי ומוכר למשתמש, חיזוי פגישות החמצה מאפשר לצוות המשרד ולרופאים לחזות אי-הופעה של מטופלים ללא הכשרה או איוש במדעי הנתונים."

עוד מסביר דיווידסון כי "סוגים שונים של נתוני קלט נמצאו משמעותיים בחיזוי פגישות שהוחמצו בתחום הבריאות. דמוגרפיה, דפוסים היסטוריים, גורמים חברתיים ונתוני פגישות כמו סוג ושעה ביום הם דוגמאות קלט שצוותי טיפול יכולים להשתמש בהן כדי להכשיר את המודל". המורכבויות מאחורי התוכנה היו מוסבר בפירוט על ידי מיקרוסופט, שגם מתעקשת כי "המודל אינו מיומן מראש והוא יצטרך לעבור הכשרה על ידי המשתמש של ספק שירותי בריאות."

פרסומת

יש לציין כי מרפאות ומסגרות חוץ אינן המקומות היחידים שהכלי הזה יכול להועיל. בסופו של דבר עשוי להיות תפקיד משמעותי לתוכנה זו כמעט בכל המסגרות הקליניות, החל ממחלקת המיון ועד מצבי אשפוז.

ואכן, למרות שמנוע AI זה כנראה זקוק לעבודה ובדיקות נוספות לפני שניתן יהיה לממש את מלוא הפוטנציאל שלו, הרעיון מבטיח בכל הנוגע לשימוש בנתונים ובמדדים אובייקטיביים כדי לשפר תוצאות קליניות.