Boston Children’s: AI para sa bagong diagnosis

Hindi gumamit ang Boston Children’s Hospital ng artificial intelligence para lang sumubok ng bagong teknolohiya. Isinama ng ospital ang AI sa buong organisasyon bilang pangunahing bahagi ng klinikal at operasyonal nitong imprastraktura para pagbutihin ang paghahatid ng pangangalaga sa mga pediatric na pasyente nito, lalo na sa may kumplikado at bihirang kondisyon. Sa pagsasama ng AI sa mga pang-araw-araw na workflow, nabawasan ng team ang gastos sa operasyon, napahusay ang access sa pangangalaga, at nakatulong na mag-diagnose ng mahigit 40 bihirang kondisyon na dati’y hindi nalutas.

Ang Boston Children’s Hospital ay isa sa pinakamalalaking institusyong pediatric sa mundo, na nagsisilbi sa mga pasyente sa mahigit 40 specialty na may halos 1 milyong outpatient visit bawat taon.

Tulad ng maraming health system, nagpapatakbo ito sa ilalim ng mahigpit na limitasyong pinansyal habang pinamamahalaan ang dumaraming gawaing administratibo. Ang mga team sa supply chain, billing, at operasyon ay humahawak ng napakaraming paulit-ulit na gawain, mula sa pagproseso ng invoice hanggang sa pagkoordina ng iskedyul. Kailangan ang mga prosesong ito ngunit kumakain ng maraming oras, kaya napapalayo ang staff sa mas mataas ang halagang gawain.

Kasabay nito, ibang uri naman ng limitasyon ang kinakaharap ng mga clinical team. Madalas na may pira-pirasong genetic data, hindi kumpletong clinical history, at napakalawak na medical literature ang mga kaso ng rare disease. Kahit sa isang nangungunang institusyong pananaliksik, hindi kayang pagsamahin ng mga doktor ang lahat ng impormasyong iyon nang sapat na mabilis para maabot ang bawat diagnosis.

“Hindi pagsisikap ang problema,” sabi ni John Brownstein, Chief Innovation Officer sa Boston Children’s. “Ito ay ang limitasyon ng pag-iisip ng tao.”

Nagsimula ang Boston Children’s sa mga indibidwal na use case ng AI, kabilang ang mga tool para sa dokumentasyon at pagsasalin. Ngunit mabilis na ipinakita ng mga unang pagsisikap na iyon ang limitasyon ng pira-pirasong diskarte.

“Hindi puwedeng umasa lang sa paisa-isang solusyon,” sabi ni Brownstein.

Lumipat ang ospital sa pagbuo ng tinatawag ni Brownstein na enterprise AI layer: isang secure na internal na kapaligiran ng ChatGPT na ginagamit sa mga research, clinical, at administrative team. Sa halip na ituring ang AI bilang koleksyon ng mga tool, lumikha ang organisasyon ng isang pinagsasaluhang pundasyon kung saan mabilis na maaaring bumuo at mag-deploy ng mga bagong kakayahan.

Pinapayagan ng sistemang ito ang mga team na gumamit ng AI sa mga paraang direktang mahalaga sa kanilang mga tungkulin, ito man ay pag-access ng internal na data, pagsasama-sama ng medical literature, o pagpapadali ng mga workflow. Itinayo ang mga istruktura ng pamamahala kasabay ng teknolohiya para matiyak ang kaligtasan, monitoring, at pare-parehong pagsusuri.

Binago ng paglipat na ito ang bilis ng inobasyon. Ang mga tool na dati’y nangangailangan ng mahahabang cycle ng development ay maaari na ngayong i-deploy sa loob ng ilang araw, na nagbibigay-daan sa organisasyong mabilis na tumugon sa mga pangangailangan sa operasyon at klinikal na pangangailangan.

Ngayon, mahigit isang-katlo ng mga empleyado ang gumagamit ng AI bilang bahagi ng kanilang pang-araw-araw na trabaho, na sumasaklaw sa mga tungkuling clinical, research, at administrative.

Unang tumuon ang Boston Children’s sa mga lugar kung saan makapagbibigay ang AI ng nasusukat na epekto sa operasyon. Sa mga operasyon ng supply chain, pinamamahalaan na ngayon ng AI ang pagtanggap, pagruruta, at mga tugon sa invoice.

Kasabay nito, inilapat ng ospital ang AI sa surgical scheduling. Sa pamamagitan ng pagsusuri ng clinical notes at pagtatantiya ng acuity ng pasyente, pinapahusay ng sistema kung paano inilalaan ang oras sa operating room. Dahil dito, mas maagang napaplano ang mga iskedyul, tumataas ang paggamit, at mas maraming pasyente ang nakakatanggap ng pangangalagang kailangan nila nang mas mabilis.

Bukod dito, gumagamit ang mga doktor ng AI para sa suporta sa pagpapasya at sa pagsasama-sama ng kumplikadong klinikal na impormasyon. Ginagamit ito ng mga researcher para sa data analysis at pagbuo ng cohort. Umaasa rito ang mga administrative team para sa pag-draft ng mga dokumento, coding, at pagpapahusay ng mga workflow.

Direktang iniuugnay ng organisasyon ang mga pagbabagong ito sa mga nasusukat na resulta. Sa mahigit 50 automation, nakapagtala ang Boston Children’s ng humigit-kumulang 60,000 oras na natipid, na katumbas ng mahigit $7 milyon sa na-redeploy na labor.

Nakatuon ang organisasyon sa paggawa ng AI na mahalaga sa pang-araw-araw na trabaho sa halip na ipakilala ito bilang hiwalay na inisyatiba.

“Ang susi rito ay salubungin ang mga tao kung nasaan sila,” sabi ni Brownstein.

Kasabay ng mga pagpapahusay sa operasyon, namuhunan ang Boston Children’s sa AI para sa clinical discovery. Bumuo ang ospital ng inilalarawan nitong “katulong na geneticist,” na idinisenyo para pagsamahin ang genetic data, phenotypic information, at pandaigdigang medical literature.

Tinutugunan ng sistemang ito ang isa sa pinakamahirap na hamon sa medisina: ang pag-diagnose ng mga rare disease na hindi naipaliwanag sa loob ng maraming taon.

Bilang resulta ng gawaing ito, mahigit 40 diagnosis na ang nagawa hanggang ngayon na dati’y inakalang imposible. Humantong din ang gawaing ito sa pagkilala ng mga bagong gene target at potensyal na therapeutic pathway.

“Pinagsasama namin ang genetic information, phenotypic information, paghahanap sa literature, at pangangatwiran ng AI para makapaghatid ng mga diagnosis sa mga pamilyang dati’y naiwan nang walang anumang sagot,” sabi ni Brownstein.

Para sa mga pasyente at pamilya, agarang nararamdaman at nakikita ang epekto. Ang mga kasong dati’y nananatiling hindi nalulutas ay nagkakaroon na ngayon ng mga sagot at, sa ilang pagkakataon, mga bagong direksyon para sa paggamot.

“Hindi ito maisip noon, pero ngayon ay nagbibigay ito ng pag-asa sa napakaraming pamilya,” sabi ni Brownstein.

Nakatuon ang susunod na yugto ng AI strategy ng Boston Children’s sa mas malalim na integrasyon at mas malawak na paggamit. Nakikita ng leadership ang malaking oportunidad na palawakin ang paggamit at epekto.

Nagtatrabaho ang ospital para mas ganap na maisama ang AI sa clinical decision-making, palawakin ang mga tool sa iba’t ibang specialty, at patuloy na pahusayin ang mga modelo sa pamamagitan ng pakikipagtulungan sa OpenAI.

Sa paglipas ng panahon, inaasahang magiging pangunahing bahagi ng medical practice ang AI.

“Paano mong hindi gugustuhin ang isang napakahusay na sinanay na doktor kasama ang lahat ng kaalamang medikal sa mundo?” sabi ni Brownstein.

Sa Boston Children’s, nagiging bahagi na ng imprastraktura ang AI na sumusuporta sa paghahatid ng pangangalaga, pananaliksik, at pagtuklas—muling tinutukoy kung ano ang posible para sa mga clinician at pasyente.