با ورود هوش مصنوعی، روند سازماندهی نوبت‌های بیمارستان‌ها به طور کامل تغییر خواهد کرد. از آنجا که تکنولوژی هایپراکنشگران (AI) می‌تواند سریعتر نوبت‌ها را رزرو کرده و نرخ حضور بیماران را پیش‌بینی کند، سازمان ملی بهداشت خدمات آنگلیس به دنبال استفاده از ربات‌های مصنوعی برای کاهش نوبت‌های از دست رفته است. این تکنولوژی نوآورانه که قادر به رزرو نوبت‌ها و پیش‌بینی نرخ حضور است، قرار است در 10 امانت نظامی بهداشت ملی آنگلیس پس از آزمایش موفق در اسکس پیاده سازی شود.
سایت NHS به اشتراک و با Deep Medical، یک شرکت فناوری پیشرو، اقدام به ایجاد این برنامه AI کرده‌اند که از نقاط داده مختلفی مثل اطلاعات شغلی، تعهدات مربوط به مراقبت از کودکان، به روزرسانی های ترافیک از طریق نقشه های زنده و پیش بینی وضعیت آب و هوا برای تعیین بیمارانی که احتمالاً به نوبت‌های خود حضور نخواهند داشت، استفاده می‌کند. هدف از این کار بهینه سازی زمان پزشکان و رفع معضل عدم حضور (DNAs) است که حدود یک بیمار از هر 20 نوبت است.
رهبران NHS مصمم هستند که به لیست‌های انتظار گسترده مصاواتی بپردازند که فعلاً حدود 7.6 میلیون نفر در آنها وارد شده‌اند. با رفع مشکل DNAs، آنها امیدوارند که در این زمینه تا حد زیادی موفق باشند. در سال 2023 فقط، از بین 124.5 میلیون نوبت درمان خارج بریتانیا، هشت میلیون نوبت (معادل 6.5 درصد) حضور نداشتند.
سازندگان برنامه هوش مصنوعی، یک کارشناس هوش مصنوعی و یک پزشک درمانی سابق که به کارآفرینی بالینی مشغول شده است، ادعا می کنند که محصول آنها می تواند با نرخ دقت 90 درصدی بسیار قابل توجهی DNAs را پیش‌بینی کند. از طریق یادگیری ماشین، برنامه می تواند لیست بیماران یک پزشک را برای هر روز تولید کند، حتی با اضافه کردن بیماران اضافی. به عنوان مثال، اگر 20 فرصت مشاوره موجود باشد، برنامه 21 بیمار را محاسبه می کند، فرض کنیم یک نفر حاضر به نوبتش نشود. اگر تمام 21 بیمار حضور داشته باشند، پزشک می تواند زمان اضافی خود را بازپس بگیرد و این اطلاعات برای برنامه ریزی های آینده در نظر گرفته می شود.
آزمایش ابتدایی برنامه رسپشن AI در میان و ایستیسکس NHS Foundation Trust نتایج قابل قبولی نشان داد. در شش ماه گذشته، تعداد DNAs به میزان 30 درصد کاهش یافته و تنها 377 نفر از حضور در نوبت های خود خودداری کردند. بنابراین، 1910 بیمار اضافی توانستند ملاقات کنند و تخمین زده می شود که این اعتماد یک ساله به مقدار £27.5 میلیون شماره را ذخیره کند. هزینه نوبت‌های از دست رفته در کل کشور به حدود £1.2 میلیارد تخمین زده شده است.
بیمارستان‌های زیادی در لندن، نیوکاسل، نورثامپتون، سوری و دونفری بین کسانی هستند که از این تکنولوژی نوآورانه AI بهره‌مند می‌شوند. امید است که امانت‌های نظامی بهداشت ملی دیگر نیز این سیستم را به کار بگیرند.
به گفته دکتر وین دیواکار، مدیر ملی تبدیل در NHS انگلستان، اهمیت هوش مصنوعی در کاهش نوبت‌های از دست رفته و بهبود مراقبت از بیماران را برجسته کرده است. او گفت: «این تکنولوژی‌ها نه تنها می توانند به آزاد شدن زمان پزشکان برای درمان بیماران بیشتر و کاهش زمان انتظار برای مراقبتهای برنامه‌ریزی شده کمک کنند، بلکه به این معنی است که مقدار قابل توجهی از پول می تواند برای مراقبت از جبهه به انگشتر تحمیل شود تا به نوبت‌های از دست رفته از دست نرود.»
اعلام اخیر صدرازیر مالی درصدی با عنوان چنلر جرمی هانت برای NHS باعث تثبیت تصمیم برای سرمایه‌گذاری در فناوری‌های جدید شده است. لرد مارکم، وزیر بهداشت، بر طبیعت تجدید نظر هوش مصنوعی در ارسال خدمات بهداشتی تأکید کرد و توضیح داد: «هوش مصنوعی دارای تأثری است که تراکم ژندرها را کاهش دهد و به صد و هزاران بیمار بیشتر امکان دیده شدن سالیانه محل ها دهد.»
به همراه مزایای آزاد شدن زمان پزشکان، ارسال نتایج تست به سرعت و صرفه‌جویی سالانه به دهه‌ها میلیون پوند، هوش مصنوعی بخش مهمی از طرح چشم انداز 3.4 میلیارد صندوق برای افزایش بهره وری در NHS را تشکیل می‌دهد. این طرح شامل جایگزینی سیستم های اطلاعات قدیمی وقفه ای تا £35 میلیارد صرفه جویی است.
در یک آزمایش جداگانه در بیمارستان های دانشگاهی کوونتری و وارویکشر NHS Trust، «فرایند معدن» برای ارزیابی کارایی روال های آنها استفاده شد. این تجزیه و تحلیل نقاط ضعف و مناطق بهبود را نشان داد. با تنظیم استراتژی پیامدها و ارسال یادآوری دو هفته و چهار روز قبل از نوبت‌ها، امیدوار است که DNAs را از 10 درصد به چهار درصد کاهش دهد.
در کل، پیاده‌سازی رسپشن‌های AI و استفاده از تکنولوژی هایپراکنشگران پیشرفته مانند فرایند معدنینگ توانایی دارد که صنعت بهداشت را به ویران کند. این نوآوری ها نه تنها مراقبت از بیمار را ارتقا می دهند بلکه تخصیص منابع را بهینه کنند و نتایج بهتری برای هر دو بیمار و ارائه دهنده مراقبت بهداشتی به دست می دهد.
پرسش‌های متداول
The source of the article is from the blog publicsectortravel.org.uk