Boston Children’s با AI تشخیص‌های تازه را ممکن می‌کند

بیمارستان کودکان بوستون هوش مصنوعی را صرفاً برای آزمایش فناوری تازه دنبال نکرد. این بیمارستان هوش مصنوعی را به‌عنوان بخشی محوری از زیرساخت بالینی و عملیاتی خود در سراسر سازمان به کار گرفت تا نحوه ارائه مراقبت به بیماران کودک، به‌ویژه بیماران دارای بیماری‌های پیچیده و نادر، بهبود یابد. با ادغام هوش مصنوعی در گردش‌کارهای روزانه، این تیم هزینه‌های عملیاتی را کاهش داده، دسترسی به مراقبت را بهبود بخشیده و به تشخیص بیش از ۴۰ بیماری نادر کمک کرده است که پیش‌تر حل‌نشده مانده بودند.

بیمارستان کودکان بوستون یکی از بزرگ‌ترین مؤسسات کودکان در جهان است و هر سال با نزدیک به ۱ میلیون مراجعه سرپایی، در بیش از ۴۰ تخصص به بیماران خدمات می‌دهد.

این بیمارستان، مانند بسیاری از نظام‌های سلامت، در شرایط محدودیت‌های مالی سخت فعالیت می‌کند و هم‌زمان با بار اداری فزآینده روبه‌رو است. تیم‌های زنجیره تأمین، صورتحساب و عملیات حجم زیادی از وظایف تکراری را انجام می‌دهند؛ از پردازش فاکتورها تا هماهنگی زمان‌بندی‌ها. این فرآیندها ضروری‌اند اما زمان‌بر هستند و کارکنان را از کارهای باارزش‌تر دور می‌کنند.

در همین حال، تیم‌های بالینی با نوع دیگری از محدودیت روبه‌رو هستند. موارد بیماری‌های نادر اغلب شامل داده‌های ژنتیکی پراکنده، سوابق بالینی ناقص و حجم عظیمی از ادبیات پزشکی هستند. حتی در یک مؤسسه پژوهشی پیشرو، پزشکان نمی‌توانند همه این اطلاعات را آن‌قدر سریع ترکیب کنند که به هر تشخیصی برسند.

جان براونستین، مدیر ارشد نوآوری در Boston Children’s، می‌گوید: «مسئله تلاش نیست.» «مسئله محدودیت‌های شناختی انسان است.»

Boston Children’s کار را با موارد کاربرد منفرد هوش مصنوعی، از جمله ابزارهای مستند سازی و ترجمه، آغاز کرد. اما این تلاش‌های اولیه به‌سرعت محدودیت‌های یک رویکرد پراکنده را آشکار کرد.

براونستین می‌گوید: «نمی‌توانید فقط به راه‌حل‌های موردی تکیه کنید.»

این بیمارستان به ساخت چیزی روی آورد که براونستین آن را لایه هوش مصنوعی سازمانی می‌نامد: یک محیط امن داخلی ChatGPT که در تیم‌های پژوهشی، بالینی و اداری استفاده می‌شود. به‌جای اینکه هوش مصنوعی به‌صورت مجموعه‌ای از ابزارها دیده شود، سازمان بنیانی مشترک ایجاد کرد که در آن قابلیت‌های تازه بتوانند به‌سرعت توسعه یافته و به‌کار گرفته شوند.

این سیستم به تیم‌ها اجازه می‌دهد با هوش مصنوعی به شیوه‌هایی کار کنند که به طور مستقیم به نقش‌های‌شان مرتبط است؛ چه دسترسی به داده‌های داخلی باشد، چه ترکیب ادبیات پزشکی یا ساده‌سازی گردش‌کارها. ساختارهای حاکمیتی هم‌زمان با فناوری ساخته شدند تا ایمنی، پایش و ارزیابی منسجم تضمین شود.

این تغییر، سرعت نوآوری را دگرگون کرد. ابزارهایی که زمانی به چرخه‌های طولانی توسعه نیاز داشتند، اکنون می‌توانند در چند روز مستقر شوند و به سازمان امکان دهند به‌سرعت به نیازهای عملیاتی و بالینی پاسخ دهد.

امروز، بیش از یک‌سوم کارکنان در کار روزانه خود از هوش مصنوعی استفاده می‌کنند؛ در حوزه‌های بالینی، پژوهشی و اداری.

Boston Children’s ابتدا بر حوزه‌هایی تمرکز کرد که هوش مصنوعی می‌توانست در آن‌ها اثر عملیاتی قابل‌اندازه‌گیری ایجاد کند. در عملیات زنجیره تأمین، هوش مصنوعی اکنون دریافت فاکتورها، مسیر یابی و پاسخ‌ها را مدیریت می‌کند.

به‌موازات آن، بیمارستان هوش مصنوعی را در زمان‌بندی جراحی به‌کار گرفت. این سیستم با تحلیل یادداشت‌های بالینی و برآورد شدت وضعیت بیمار، نحوه تخصیص زمان اتاق عمل را بهبود می‌دهد. این کار امکان می‌دهد برنامه‌ها از مدت بیشتری پیش طراحی شوند، بهره‌برداری افزایش یابد و بیماران بیشتری سریع‌تر مراقبتی را که نیاز دارند دریافت کنند.

علاوه بر این، پزشکان از هوش مصنوعی برای پشتیبانی تصمیم‌گیری و ترکیب اطلاعات پیچیده بالینی استفاده می‌کنند. پژوهشگران آن را در تحلیل داده و ساخت هم‌گروه‌ها به‌کار می‌گیرند. تیم‌های اداری برای تهیه پیش‌نویس اسناد، کد نویسی و بهبود گردش‌کارها به آن تکیه می‌کنند.

سازمان این تغییرات را به طور مستقیم به نتایج قابل‌اندازه‌گیری پیوند می‌دهد. Boston Children’s در بیش از ۵۰ اتوماسیون، حدود ۶۰٬۰۰۰ ساعت صرفه‌جویی زمانی به‌دست آورده است که معادل بیش از ۷ میلیون دلار نیروی کار بازتخصیص‌یافته است.

این سازمان به‌جای معرفی هوش مصنوعی به‌عنوان ابتکاری مستقل، بر مرتبط کردن آن با کار روزمره تمرکز کرده است.

براونستین می‌گوید: «نکته کلیدی این است که سراغ افراد در جایی برویم که هستند.»

در کنار بهبودهای عملیاتی، Boston Children’s در هوش مصنوعی برای کشف بالینی سرمایه‌گذاری کرد. این بیمارستان چیزی را توسعه داد که آن را «متخصص ژنتیک همیار» توصیف می‌کند؛ سیستمی طراحی‌شده برای یکپارچه‌سازی داده‌های ژنتیکی، اطلاعات فنوتیپی و ادبیات پزشکی جهانی.

این سیستم به یکی از دشوارترین چالش‌های پزشکی می‌پردازد: تشخیص بیماری‌های نادری که سال‌ها از توضیح‌پذیری گریخته‌اند.

در نتیجه این کار، تا امروز بیش از ۴۰ تشخیص انجام شده که پیش‌تر ناممکن تصور می‌شدند. این کار همچنین به شناسایی اهداف ژنی تازه و مسیرهای درمانی بالقوه منجر شده است.

براونستین می‌گوید: «ما اطلاعات ژنتیکی، اطلاعات فنوتیپی، جست‌وجوی ادبیات و استدلال هوش مصنوعی را ترکیب می‌کنیم تا برای خانواده‌هایی که زمانی بی‌پاسخ مانده بودند، تشخیص ارائه کنیم.»

برای بیماران و خانواده‌ها، اثر آن فوری و ملموس است. مواردی که زمانی حل‌نشده باقی می‌ماندند، اکنون به پاسخ می‌رسند و در برخی موارد، مسیرهای تازه‌ای برای درمان می‌گشایند.

براونستین می‌گوید: «این پیش‌تر غیرقابل‌تصور بود، اما اکنون به خانواده‌های بسیار زیادی امید می‌دهد.»

مرحله بعدی راهبرد هوش مصنوعی Boston Children’s بر ادغام عمیق‌تر و پذیرش گسترده‌تر تمرکز دارد. رهبری سازمان فرصت چشمگیری برای گسترش هم استفاده و هم اثرگذاری می‌بیند.

این بیمارستان در تلاش است هوش مصنوعی را کامل‌تر در تصمیم‌گیری بالینی جای دهد، ابزارها را در تخصص‌های مختلف گسترش دهد و با همکاری OpenAI به پالایش مدل‌ها ادامه دهد.

انتظار می‌رود هوش مصنوعی به‌مرور به یکی از اجزای اصلی عمل پزشکی تبدیل شود.

«چطور ممکن است نخواهید پزشکی فوق‌العاده آموزش‌دیده را در کنار همه دانش پزشکی جهان داشته باشید؟» براونستین گفت.

در Boston Children’s، هوش مصنوعی به بخشی از زیرساختی تبدیل می‌شود که از ارائه مراقبت، پژوهش و کشف پشتیبانی می‌کند—و آنچه را برای پزشکان و بیماران ممکن است باز تعریف می‌کند.