Trzyletnia współpraca między University College London Szpitale(UCLH) i Alan Turing Institute mają na celu dostarczenie NHS korzyści z rewolucji w dziedzinie uczenia maszynowego na niespotykaną dotąd skalę.
Prof. Bryan Williams, dyrektor ds. Badań w University College London Hospitals NHS Foundation Trust, powiedział, że ruch ten może mieć znaczący wpływ na wyniki pacjentów, zbliżając się do transformacji doświadczeń konsumenckich przez firmy takie jak Amazon i Google.
„Zmieni to grę” - powiedział. „Możesz zadzwonić na telefon i zarezerwować bilet lotniczy, zdecydować, jakie filmy obejrzysz lub zamówić pizzę… chodzi o sztuczną inteligencję” - powiedział. „W NHS nie jesteśmy wystarczająco zaawansowani. Nadal wysyłamy listy, co jest niezwykłe. ”
Sercem partnerstwa, w które UCLH inwestuje „znaczną”, ale nienazwaną sumę, jest przekonanie, że algorytmy uczenia maszynowego mogą zapewnić nowe sposoby diagnozowania chorób, identyfikowania osób zagrożonych chorobą i kierowania zasobami. Teoretycznie lekarze i pielęgniarki mogą być szybko rozmieszczani na oddziałach, np. Kierowcy Ubera wjeżdżają do miejsc o największym zapotrzebowaniu w określonych porach dnia. Ale ten ruch spowoduje również obawy dotyczące prywatności, bezpieczeństwa cybernetycznego i zmieniającej się roli pracowników służby zdrowia.
[the_ad id = "11018 ″]Pierwszy projekt będzie koncentrował się na poprawie szpitalnego oddziału ratunkowego i pogotowia ratunkowego, który podobnie jak wiele szpitali nie osiąga wyznaczonego przez rząd czasu oczekiwania.
„Nasze wyniki w tym roku były krótsze niż czterogodzinny okres oczekiwania, co nie odzwierciedla refleksji i zaangażowania naszego personelu” - powiedział prof. Marcel Levi, dyrektor generalny UCLH. „[Jest] wskaźnikiem niektórych innych rzeczy w całym łańcuchu dotyczących przepływu błędnych pacjentów do szpitala i poza nim.”
W marcu, tylko 76.4% pacjentów wymagających pilnej opieki były leczone w ciągu czterech godzin w szpitalnych oddziałach ratunkowych w Anglii w marcu - najniższy odsetek od rozpoczęcia rejestracji w 2010 roku.
Korzystając z danych zebranych z tysięcy prezentacji, algorytm uczenia maszynowego może na przykład wskazywać, czy pacjent z bólem brzucha prawdopodobnie cierpi z powodu poważnego problemu, takiego jak perforacja jelit lub infekcja ogólnoustrojowa, i przyspieszyć monitorowanie tych pacjentów, zapobiegając ich stan od krytycznego.
„Maszyny nigdy nie zastąpią lekarzy, ale wykorzystanie danych, wiedzy i technologii może radykalnie zmienić sposób zarządzania naszymi usługami - na lepsze”, powiedział Levi.
Kolejny projekt, który jest już w toku, ma na celu identyfikację pacjentów, którzy prawdopodobnie nie pojawią się na wizytach. Konsultant neurolog ze szpitala, Parashkev Nachev, wykorzystał dane, w tym takie czynniki, jak wiek, adres i warunki pogodowe, aby z dokładnością 85% przewidzieć, czy pacjent przyjdzie do przychodni i skanów MRI.