ຂະຫນາດຫຼາຍຂອງຊີວິດທີ່ທັນສະໄຫມກໍາລັງເພີ່ມຂຶ້ນໂດຍພະຍາຍາມປອມ, ລວມທັງລັກສະນະຕ່າງໆຂອງສຸຂະພາບແລະສຸຂະພາບ. ດົນປານໃດກ່ອນທີ່ຄອມພິວເຕີ້ສາມາດເຕີບໂຕໄດ້ດີກວ່າການແຊກແຊງດ້ານການດູແລສຸຂະພາບໂດຍກົງຂອງມະນຸດ? ບາງທີອາດມີຄວາມສໍາຄັນຫຼາຍ, ແຕ່ດົນປານໃດທີ່ມະນຸດຈະມຸ່ງຫມັ້ນທີ່ຈະໄວ້ວາງໃຈຕໍ່ຄົນທີ່ບໍ່ແມ່ນມະນຸດທີ່ຈະປະຕິບັດຕໍ່ເຂົາຫລືບໍ່? ສອງຄໍາຖາມເຫຼົ່ານີ້ອາດຈະເປັນຈຸດສຸມໃນການໂຕ້ວາທີກ່ຽວກັບທ່າແຮງຂອງເຕັກໂນໂລຢີການຮຽນຮູ້ເຄື່ອງຈັກແລະຫຸ່ນຍົນໃນການດູແລສຸຂະພາບ.
ຄອມພິວເຕີສາມາດ "ຄິດ" ໃນວິທີການທີ່ຄ້າຍຄືກັນກັບມະນຸດ. ບໍ່ວ່າພວກເຮົາກຽມພ້ອມຫລືບໍ່, ການພັດທະນາໃນໄວໆນີ້ໃນສັນຍານຄອມພິວເຕີ້ຄິດເຖິງວ່າອາຍຸຂອງການຝຶກສອນຄອມພິວເຕີ້ແລະການດູແລສຸຂະພາບໄດ້ມາຮອດ.
ການວິເຄາະສະຖິຕິຂໍ້ມູນດ້ານສຸຂະພາບ
ມັນບໍ່ມີຄວາມລັບທີ່ພວກເຮົາກໍາລັງແບ່ງປັນທຸກປະເພດຂໍ້ມູນສ່ວນຕົວແລະເລື້ອຍໆ, ໃກ້ຊິດທຸກໆຄັ້ງທີ່ພວກເຮົາຊື້ຫຼືທ່ອງອິນເຕີເນັດ. ຄວາມສາມາດໃນການຄາດຄະເນເຫດການສຸຂະພາບພຽງແຕ່ໂດຍການຕິດຕາມພຶດຕິກໍາການບາດເຈັບກໍໄດ້ສະແດງໃຫ້ເຫັນຢ່າງເລິກເຊິ່ງໃນປີ 2012 ເມື່ອຜູ້ຂາຍປີ້ Target ສະແດງໂລກທີ່ພວກເຂົາສາມາດຄາດຄະເນໄດ້ໂດຍຄວາມຖືກຕ້ອງຂອງຄວາມບໍ່ສະອາດຖ້າແມ່ຍິງຖືພາຕາມນິສັຍຂອງນາງ - ບາງຄັ້ງກໍ່ສົ່ງຂ່າວກ່ຽວກັບການຖືພາ ສະມາຊິກຄອບຄົວ.
ລາຍລະອຽດສ່ວນບຸກຄົນຈໍານວນຫຼາຍໄດ້ຮັບການວິເຄາະດ້ານສະຖິຕິກ່ຽວກັບການເປັນປົກກະຕິເພື່ອສະຫນອງຄວາມເຂົ້າໃຈເພີ່ມເຕີມກ່ຽວກັບນິໄສແລະລັກສະນະຂອງຄົນເຮົາ. ບາງການປະຕິບັດເຫຼົ່ານີ້ເກີດຂື້ນໂດຍສະຫມັກໃຈແລະດ້ວຍການຮັບຮູ້ແລະການສະຫນັບສະຫນູນຢ່າງເຕັມສ່ວນຂອງຜູ້ໃຊ້, ໃນຂະນະທີ່ຄົນອື່ນສາມາດປະຕິບັດໄດ້ໂດຍອົງການແລະບໍລິສັດ.
ການຕິດຕາມພຶດຕິກໍາທີ່ບໍ່ສະຫມັກໃຈເຮັດໃຫ້ມີຄໍາຖາມກ່ຽວກັບດ້ານຈັນຍາບັນແລະສັງຄົມ.
ບຸກຄົນຈໍານວນຫຼາຍໃນປັດຈຸບັນສາມາດແບ່ງປັນຂໍ້ມູນສຸຂະພາບສ່ວນບຸກຄົນຂອງເຂົາເຈົ້າໄດ້ໃນຫຼາຍໆດ້ານໂດຍຜ່ານການແບ່ງປັນຢ່າງລະອຽດໂດຍຜ່ານການປະເມີນຄວາມສ່ຽງດ້ານສຸຂະພາບ, ໂດຍສະເພາະໃນອຸປະກອນສະຫມາດ, ແລະບາງຄັ້ງກໍ່ອາດບໍ່ເປັນທາງການຜ່ານທາງສື່ສັງຄົມແລະການຊື້.
ຄວາມຖືກຕ້ອງທີ່ຂໍ້ມູນນີ້ສາມາດຖືກວິເຄາະແລະຕີລາຄາແມ່ນເພີ່ມຂຶ້ນ, ສ້າງທັງອັນຕະລາຍແລະໂອກາດ, ແລະອາດຈະເຮັດໃຫ້ພວກເຮົາຢູ່ຂອບເຂດຍຸກໃຫມ່ທີ່ເຕັກໂນໂລຢີສາມາດມີບົດບາດໃນການທໍາລາຍສຸຂະພາບແລະສຸຂະພາບຂອງພວກເຮົາໃນທາງບວກ.
ການກໍາຫນົດສ່ວນຕົວຂອງສຸຂະພາບແລະການແກ້ໄຂບັນຫາຂອງການຫລີກລ່ຽງການຫລອກລວງ
ຂໍ້ຜິດພະລາດໃນການວິນິດໄສຂອງແພດເປັນພື້ນທີ່ທີ່ມີຄວາມກັງວົນຫລາຍ. ຜົນໄດ້ຮັບຂອງຄວາມບໍ່ປະມາດຫລືຄວາມລົ້ມເຫຼວທີ່ຈະພິຈາລະນາຄວາມອຸດົມສົມບູນຂອງທາງເລືອກ, ຄວາມຜິດພາດເຫຼົ່ານີ້ອາດຈະເປັນອັນຕະລາຍຕໍ່ຄົນເຈັບແລະຄອບຄົວຂອງເຂົາ. ອາຈານ Eta Berner ຈາກມະຫາວິທະຍາໄລ Alabama ຢູ່ເບີມິງແຮມແລະທ່ານດຣ. Mark L. Graber ຂອງສູນການແພດ Northport VA ພົບວ່າມີປະມານ 10 ຫາ 20% Berner ແລະ Graber ຊີ້ໃຫ້ເຫັນວ່າຂະບວນການຮັບຮູ້ທີ່ມີປະສິດຕິພາບໄດ້ຮັບປະກັນການກວດກາຢ່າງຖືກຕ້ອງສ່ວນໃຫຍ່ຂອງເວລາ. ຢ່າງໃດກໍ່ຕາມ, ມີເວລາໃນເວລາທີ່ຂະບວນການຮັບຮູ້ເຫຼົ່ານີ້ລົ້ມເຫຼວ. ການວິເຄາະຂອງ Berner ແລະ Graber ສະແດງໃຫ້ເຫັນວ່າຄວາມຫມັ້ນໃຈຂອງແພດຫຼາຍເທື່ອກໍ່ອາດເປັນສາເຫດຂອງການຜິດພາດດ້ານການປິ່ນປົວ. ນອກຈາກນັ້ນ, ບົດລາຍງານທີ່ສະຫນັບສະຫນູນໂດຍອົງການສໍາລັບການຄົ້ນຄວ້າດ້ານສຸຂະພາບແລະຄຸນນະພາບພົບວ່າ 28% ຂອງຂໍ້ຜິດພາດໃນການວິນິດໄສທັງຫມົດແມ່ນເປັນຄວາມສ່ຽງທີ່ສໍາຄັນ, ເຊິ່ງອາດເປັນເຫດການທີ່ເປັນໄພຂົ່ມຂູ່ຕໍ່ຊີວິດ.
Misdiagnosing ສາມາດປະກອບມີສິ່ງໃດແດ່ຈາກການສັ່ງຢາທີ່ບໍ່ຖືກຕ້ອງເພື່ອການຜ່າຕັດເອົາສ່ວນຮ່າງກາຍທີ່ຜິດພາດ.
ສະຖິຕິທີ່ຫນ້າຢ້ານນີ້ອາດເຮັດໃຫ້ບາງຄົນໂຕ້ຖຽງວ່າບັນຫາທີ່ມີຢູ່ສາມາດແກ້ໄຂໄດ້ໂດຍການຖອນຕົວຂອງມະນຸດອອກຈາກສະມະການ. ເຕັກໂນໂລຢີເຊັ່ນ IBM Watson ແມ່ນສະເຫນີຄວາມຫວັງວ່າຂໍ້ມູນສາມາດຖືກສັງລວມແລະ contemplated ໃນຄົນອັບເດດ: ຫຼາຍ humanistic. ເຕັກໂນໂລຊີສະຕິປັນຍາຂອງ Watson ມີຄວາມສາມາດໃນການວິເຄາະຂໍ້ມູນທີ່ບໍ່ມີໂຄງສ້າງ, ເຂົ້າໃຈຄໍາຖາມທີ່ສະລັບສັບຊ້ອນແລະນໍາສະເຫນີຜູ້ໃຊ້ທີ່ມີຕົວຊີ້ວັດຫຼັກຖານ.
Watson ກໍາລັງມຸ່ງຫນ້າເພື່ອເສີມຂະຫຍາຍບົດບັນຍັດທີ່ຄາດເດົາ, ເຊິ່ງບໍ່ໄດ້ສະແດງໃຫ້ເຫັນເຖິງຜົນສໍາເລັດໃນເວລາທີ່ນໍາໃຊ້ໃນສະຖານະການທີ່ແທ້ຈິງ.
ຢ່າງໃດກໍ່ຕາມ, ສິ່ງທີ່ອາດຈະມີຫຼາຍຂຶ້ນກ່ວາທ່າແຮງຂອງການຄາດເດົາຂອງ Watson ແມ່ນຄວາມເປັນໄປໄດ້ຂອງເຕັກໂນໂລຢີຂອງມັນທີ່ມີປະສິດຕິຜົນສູງກວ່າມະນຸດໃນເວລາທີ່ກ່ຽວກັບການປະຕິບັດດ້ານສຸຂະພາບແລະການສອດຄ່ອງກັບ.
ໃນປີ 2015, IBM Watson ສ້າງການຮ່ວມມືຍຸດທະສາດກັບ CVS Health, ນີ້ໄດ້ປະກາດການມາເຖິງຂອງຄອມພິວເຕີ້ຄິດເຖິງໃນອຸດສາຫະກໍາການດູແລສຸຂະພາບການຄ້າ. ມັນແນະນໍາວ່າໃນໄວໆນີ້, ທ່ານຫມໍແລະຮ້ານຂາຍຢາຈະສາມາດເຂົ້າເຖິງເຕັກໂນໂລຢີທີ່ສາມາດ, ຕົວຢ່າງ, ອັດຕະໂນມັດກວດພົບການຫຼຸດລົງຂອງສຸຂະພາບຂອງຄົນເຈັບ.
ການຕົກລົງລະຫວ່າງ Under Armor ແລະ IBM, ເຊິ່ງໄດ້ລົງນາມໃນປີ 2016, ໄດ້ໃຫ້ Watson ໂອກາດທີ່ຈະສືບຕໍ່ກໍ່ສ້າງແລະພັດທະນາລະບົບສຸຂະພາບຂອງຕົນ. Apple ຍັງໄດ້ລົງທຶນທີ່ສໍາຄັນໃນເວທີ Watson ເພື່ອປັບປຸງຍຸດທະສາດການພັດທະນາຂອງ HealthKIT ແລະ ResearchKIT. ອີງຕາມບົດລາຍງານໂດຍ Grand View Research Inc. , ຕະຫລາດຄອມພິວເຕີ້ສາມາດໃຊ້ຄອມພິວເຕີ້ສາມາດຄາດຄະເນໄດ້ເຖິງ 5 ຕື້ໂດລາໃນປີ 2020.
ການຄົ້ນຄວ້າວິໄຈດ້ານວິທະຍາສາດຍັງສະຫນັບສະຫນູນການນໍາໃຊ້ເຕັກໂນໂລຢີເພື່ອຫຼຸດຜ່ອນຄວາມສ່ຽງຕໍ່ຄວາມຜິດພາດແລະຄວາມເສຍຫາຍໃນຢາ. ທ່ານ Mark L Graber ຊີ້ໃຫ້ເຫັນວ່າການນໍາໃຊ້ສິ່ງທີ່ເອີ້ນວ່າ "ເຄື່ອງມືທີ່ສໍາຄັນ" ເຊິ່ງສາມາດລະບຸເຫດການທີ່ມີຄວາມສ່ຽງໃນການກວດຫາຂໍ້ຜິດພາດໂດຍການວິເຄາະບັນທຶກສຸຂະພາບເອເລັກໂຕຣນິກແລະຊອກຫາຄວາມແຕກຕ່າງ. ປະເພດຕ່າງໆຂອງເຄື່ອງມືທີ່ສໍາຄັນແມ່ນໃຊ້ໃນໂຮງຫມໍອາເມຣິກາ, ແຕ່ພວກເຂົາບໍ່ສາມາດກວດພົບຂໍ້ຜິດພາດໃນການວິນິດໄສ. ເພາະສະນັ້ນ, ຄວາມພະຍາຍາມໄດ້ຖືກສ້າງຂຶ້ນໃນການອອກແບບການແຊກແຊງທີ່ດີກວ່າ.
ວິທີການທີ່ມີປະໂຫຍດທີ່ໄດ້ນໍາສະເຫນີໂດຍທ່ານດຣ Hardeep Singh ແລະເພື່ອນຮ່ວມງານຂອງທ່ານ. ພວກເຂົາໄດ້ອອກແບບການກະຕຸ້ນເອເລັກໂຕຣນິກທີ່ສາມາດກໍານົດຄົນເຈັບທີ່ມີການນັດຫມາຍທາງການແພດພາຍໃນ 2 ອາທິດຫຼັງຈາກການດູແລເບື້ອງຕົ້ນຂອງເຂົາເຈົ້າ, ເຊິ່ງຊີ້ໃຫ້ເຫັນວ່າບາງສິ່ງບາງຢ່າງອາດຈະຖືກພາດໃນລະຫວ່າງການກວດເບື້ອງຕົ້ນຂອງເຂົາເຈົ້າ. ຜູ້ຊ່ຽວຊານຫລາຍຄົນຄາດຄະເນວ່າເຕັກໂນໂລຢູເຊັ່ນນີ້ຈະຊ່ວຍປ້ອງກັນຂໍ້ຜິດພາດຫຼືຢ່າງຫນ້ອຍເຮັດໃຫ້ພວກເຂົາສົນໃຈໃນຄວາມພະຍາຍາມເພື່ອຫຼຸດຜ່ອນພວກມັນ.
Embracing Artificial Intelligence
ໃນປີ 2015, ປະທານປະເທດຂອງ NHS ອັງກິດ, Sir Malcolm Grant, ສະແດງຄວາມຄິດເຫັນຂອງຕົນວ່າປັນຍາປອມຄວນໄດ້ຮັບການຍອມຮັບໂດຍການດູແລສຸຂະພາບຍ້ອນວ່າມັນຈະສາມາດປັບປຸງຄຸນນະພາບຂອງການດູແລເຊັ່ນດຽວກັນກັບລ່ວງຫນ້າປັບແຕ່ງຢາປົວພະຍາດ. ຜູ້ຊ່ຽວຊານດ້ານສຸຂະພາບຈໍານວນຫຼາຍໄດ້ນັບຕັ້ງແຕ່ຄວາມຮູ້ສຶກນີ້. ເຕັກໂນໂລຢີທີ່ສາມາດບົ່ງຊີ້ແລະ / ຫຼືກໍານົດຄວາມຜິດພາດໃນການວິນິດໄສໂດຍຜ່ານການຂຸດຄົ້ນຂໍ້ມູນແມ່ນບໍ່ຢູ່ຫ່າງໄກ.
ການຄິດໄລ່ຄອມພິວເຕີ້ໃນຂະແຫນງການດູແລສຸຂະພາບໃນປະຈຸບັນແມ່ນຖືກນໍາໃຊ້ຫຼາຍໃນພາລະບົດບາດໃຫ້ຄໍາປຶກສາແລະບໍ່ໄດ້ຕັດສິນໃຈຂັ້ນສຸດທ້າຍຫຼືປ່ຽນແທນມະນຸດ. Watson, ສໍາລັບຕົວຢ່າງ, ຊ່ວຍໃຫ້ບຸກຄົນແລະອົງການຈັດຕັ້ງການຕັດສິນໃຈທາງດ້ານວິຊາການທີ່ທັນສະໄຫມແລະທັນສະໄຫມແລະຈະຊ່ວຍໃຫ້ບຸກຄົນປັບປຸງລະດັບການສອດຄ່ອງຂອງເຂົາເຈົ້າຜ່ານການຮ່ວມມືກັບ Under Armour. ຢ່າງໃດກໍຕາມ, ມັນແມ່ນພຽງແຕ່ເວລາສັ້ນໆກ່ອນທີ່ຄອມພິວເຕີ overtook ມະນຸດເປັນຜົນບັງຄັບໃຊ້ໃນກິລາສິນທາງປັນຍາເຊັ່ນ chess, ແລະພະລັງງານຄອມພິວເຕີແມ່ນເພີ່ມຂຶ້ນເທົ່ານັ້ນ. ນອກຈາກນັ້ນ, ອົງປະກອບຂອງມະນຸດຍັງຖືກເພີ່ມເຂົ້າໃນລັກສະນະການປຸງແຕ່ງຂອງຄອມພີວເຕີ, ເຮັດໃຫ້ຄວາມຄິດຂອງຄອມພິວເຕີ້ແລະຫຸ່ນຍົນທີ່ດູແລພວກເຮົາບໍ່ໄດ້ມາເຖິງຕອນນັ້ນ.
> ແຫຼ່ງຂໍ້ມູນ
> Berner E, Graber M. ຄວາມສັບສົນເກີນໄປເປັນສາເຫດຂອງຂໍ້ຜິດພາດໃນການວິນິດໄສໃນຢາ. The American Journal Of Medicine 2008 121: S2-S23
> Graber ML ການເກີດຂອງຄວາມຜິດພາດໃນການວິນິດໄສໃນຢາປົວພະຍາດ. BMJ Quality & Safety 2013 22 (Suppl 2): ii21-ii27 doi: 101136 / bmjqs-2012-001615
> Lupton D. ການສົ່ງເສີມສຸຂະພາບໃນຍຸກດິຈິຕອນ: ຄວາມຄິດເຫັນທີ່ສໍາຄັນ. Health Promotion International 2015, 30 (1): 174-183
> Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis MD, Thomas EJ. ປະເພດແລະຕົ້ນກໍາເນີດຂອງຂໍ້ຜິດພາດການວິນິດໄສໃນການຕັ້ງຄ່າການເບິ່ງແຍງຂັ້ນຕົ້ນ. JAMA ຢາພາຍໃນ . 2013 173 (6): 418-425
> Thompson M Healthcare ແລະທີມງານຄອມພິວເຕີ້ຄິດເຖິງສໍາລັບການປ່ຽນແປງໃຫຍ່. Econtent 2015: 4-8.