استراتژی سلامت گوگل برای بهبود سلامت جهانی

استراتژی سلامت گوگل برای بهبود سلامت جهانی

گوگل به رهبری دکتر کارن دی‌سالو (Chief Health Officer، گوگل) به منظور استفاده از تکنولوژی برای بهبود زندگی افراد، ایجاد کشف‌های علمی، تحول در ارائه خدمات بهداشتی و ترویج یک فضای سلامت مزده می‌پردازد. گوگل به توسعه مسئولانه و اطمینان حاصل می‌شود که همه دسترسی به اطلاعات و ابزارهای مورد نیاز برای زندگی بهتر و سالم دارند.

## استراتژی‌های گوگل برای بهبود سلامت

### 1. رسیدن به افراد در هر مکان
گوگل با محصولات و خدمات خود اطلاعات بهداشتی به موقع و مرتبط را به کاربران در طول سفرهای بهداشتی شخصی شان ارائه می‌دهد. این شرکت متعهد به ارائه اطلاعات بهداشتی با کیفیت بالا است که برای جوامع مختلف قابل دسترسی، قابل فهم و فرهنگی مناسب باشد. به عنوان مثال، گوگل با سازمان‌هایی مانند سرویس بهداشت ملی در انگلستان، کلینیک مئایو در ایالات متحده و آپولو در هند همکاری می‌کند تا اطلاعات بهداشتی با کیفیت بالا را در جستجو و یوتیوب ارائه کند و برای متریک‌های بهداشتی مانند خواب، دمای بدن و نرخ ضربان قلب اطلاعات شخصی‌سازی شده ارائه می‌کند از طریق سخت‌افزارهای خود اعم از پیکسل و فیتبیت.

### 2. پیشرفت قدرتمند در قابلیت‌های هوش مصنوعی
قابلیت‌های پیشرفته هوش مصنوعی و مدل‌های هوش مصنوعی توانایی‌های برتری را در اختیار اطلاعات بهداشتی قرار می‌دهند؛ در عرصه‌ی محتوای بهداشتی، دانش پیشرفته را بالند و راه‌حل‌های بهداشتی شخصی‌سازی شده توسعه می‌دهند. گوگل به توسعه مسئولانه مدل‌های خود متعهد است که بر مبنای داده‌های متنوع و فرهنگی مناسب فرآیند تربیت می‌شوند و عملکرد، ایمنی، عدالت و اعتماد آنها برتری دارد. هم‌اکنون، راهکارهای هوش مصنوعی ژن‌مدلی مانند MedLM به سازمان‌های بهداشتی و محققان در حل چالش‌های مهم خود کمک می‌کند از جمله خلاصی کردن نسخه‌‌های پزشکی، بهبود کارایی فرآیند پرستاری بین دو نوبت با استفاده از ابزارهای هوش مصنوعی مانند AlphaFold، که در تسریع تحقیقات بیماری کمک کننده است.

### 3. تحول در سازمان‌ها در حوزه بهداشت
تکنولوژی ما سازمان‌ها را قادر می‌سازد تا از داده‌های خود بهتر استفاده کرده و مراقبت بهتری ارائه دهند. ما با ابزارها و محصولات مبتنی بر هوش مصنوعی به سازمان‌های بهداشتی ارائه می‌دهیم تا فرآیندهای کاری را موثرتر کنیم، بار اداری را کمتر کنیم، نوآوری را تسریع بخشیم و هزینه‌ها را کاهش دهیم. در این راستا، مدل‌های هوش مصنوعی ژن‌گوگل کلود داده‌های بهداشتی را فراهم می‌کنند و زیرساخت امن و قابل مقیاس برای ذخیره‌سازی، تجزیه و تحلیل داده‌های بهداشتی فراهم می‌کنند.

### 4. ترویج یک اکوسیستم سلامت پر رونق
ما باور داریم که همکاری کلیدی برای ایجاد تغییرات معنادار در حوزه بهداشت است. یکی از راه‌هایی که این کار را انجام می‌دهیم، همکاری با ارگانیزاسیون‌های پراز نوآوری در زمینه بهداشت است و خوشحالیم که 90% از “یونیکورن‌های” ژن‌مدل (آنهایی که ارزششان بیش از 1 میلیارد دلار است)، بیش از یک میلیارد دلار، از جمله “یونیکورن‌های” استفاده‌نشده‌ی گوگل، هستند. ما همچنین در طول سازمان‌ها با دولت‌ها، سازمان‌های جامعه و رهبران سلامت جهانی بهبود سلامت جمعیتی را ترویج می‌دهیم.

### نظرات و نکات کلیدی
این استراتژی سلامت گوگل به وضوح نشان می‌دهد که تکنولوژی می‌تواند بهبود سلامت افراد را به طور جهانی ترویج دهد. با همکاری با سازمان‌ها و شهروندان، گوگل تاثیر مثبتی بر سلامت جامعه‌ها داشته و به سوی یک آینده سالمتر برای تمامی افراد پیش خواهد رفت.

—
Expert opinion:
در دنیای امروزی که فناوری به سطح بالایی رسیده است، استفاده از هوش مصنوعی و داده‌کاوی در حوزه بهداشت امکانات جدیدی را برای تحقق اهداف سلامت جهانی ارائه می‌دهد. استراتژی گوگل برای بهبود سلامت نشان از این دارد که با استفاده از تکنولوژی، می‌توان تغییرات اساسی در حوزه بهداشت ایجاد کرد و به مردم در سراسر جهان کمک کرد. این تلاش‌ها نشان از تعهد گوگل به ترویج یک فضای سلامت جهانی و برابری در دسترسی به اطلاعات و خدمات بهداشتی دارد.

منبع:
این مقاله در اصل در https://blog.google/technology/health/google-health-strategy-ai/ منتشر شده است.

در سال 2023، هوش مصنوعی تولیدی (gen AI) صنعت بهداشت را تعجب زده، چالش داده و الهام بخشید. ما ابزارهایی را پیش‌بینی کردیم و معرفی کردیم که به سازمان‌های بهداشت کمک می‌کنند تا با استفاده از gen AI راه حل‌هایی بسازند که به مراقبان کمک می‌کند از جمله MedLM، یک خانواده از مدل‌های پایه که برای موارد استفاده صنعت بهداشت بهینه شده‌اند، و Vertex AI Search برای بهداشت، طراحی شده تا کمک کند تا اطلاعات صحیح را پیدا کند و از آنها درک بیشتری کسب کند. در این دو مورد، ما بهترین تحقیقات گوگل را به مشتریان گوگل کلود می‌آوریم.
در سال 2024، این تکنولوژی را از مرحله آزمایش به مورد استفاده واقعی جابه‌جا می‌دهیم؛ مخصوصا در حوزه‌هایی که دستورالعمل‌های اداری را کاهش می‌دهند، به پزشکان کمک می‌کنند تا به راحتی اطلاعات را پیدا کنند، به عوامل مراکز تماس بهداشتی کمک می‌کنند و در نهایت به سازمان‌ها کمک می‌کنند تا به صورت موثرتر عمل کنند. البته، در سال 2024، همچنین خواهیم دید که آزمایشات gen AI برای مواردی که نیازمند آزمایش و توسعه بیشتری هستند، مانند تجمیع اطلاعات از منابع مختلف مانند تصاویر پزشکی، گزارش‌های بالینی متنی و صدا، ادامه دارد. در نهایت، این تکنولوژی یک understanding جدید در مورد سلامت و بهداشت ایجاد خواهد کرد.
در این متن شاهد سه مورد از پیش‌بینی‌ها در زمینه استفاده از هوش مصنوعی در حوزه بهداشت تا سال 2024 هستیم: بهبود بهینه‌سازی در مدیریت اداری، تحولات بلندمدت و یادگیری عمیق. در ادامه به بررسی هر یک از این موارد خواهیم پرداخت.

بهینه‌سازی کار‌های اداری با استفاده از gen AI

حتی برای یک سیستم به چالش‌کشیدنی مانند پزشکی و ارائه خدمات بهداشتی، چندین سال اخیر بسیار پر بار بوده است. اولین چالش، COVID-19 بود که مسائل فشارهای هزینه، شوراهای کاری، فناوری‌های پراکنده و پیچیدگی‌های اداری با چالش رو به رو کرد. سه سال بعد، gen AI وارد شد، که می‌تواند به برطرف کردن برخی از این فشارها کمک کند. به عنوان مثال، gen AI می‌تواند با جذب گزارش‌ها و فایل‌های بلند برای مصرف سریع، به راحتی ایجاد مستندات را آسان‌تر کند و به بهبود بار کاری اداری برای پزشکان کم‌نیرو کمک کند.
همچنین، هوش مصنوعی تولیدی می‌تواند بار کوتاه‌مدت بیشتری را به ارمغان آورد و به مراقبان در مستندسازی بالینی کمک کند، اطلاعات مربوطه را به راحتی پیدا کند و با کمک بر رویولوژیست‌ها، پاتولوژیست‌ها و کارگران آزمایشگاه در مرور دسته‌های بزرگ نتایج کمک کند. اگرچه انسان‌ها از همیشه بیشتر در مرحله تصمیم‌گیری رول دارند، اما با gen AI، آنها ابزار قدرتمند جدیدی برای انجام کارهای جذابتر با کم‌تناوب دارند.
طبق آمار سازمان بهداشت جهانی، تعداد حدود 28 میلیون پرستار در سرتاسر جهان در سال 2020 بودند. فقط با صرف پنج دقیقه در روز، 266 سال بهتر برای تمرکز بر روی مراقبت بیمار ایجاد شد.

آماده‌سازی برای تحولات گسترده بر پایه gen AI

“تفاوت‌های کوچک ایجاد تفاوت‌های بزرگ” راهی است که gen AI شروع به ایجاد تحولات است. به عنوان دو مثال بسیار متفاوت: HCA Healthcare که 180 بیمارستان و حدود 2300 مرکز مبتنی بر بیماری، در ایالات متحده و انگلستان دارد و دارای ده‌ها هزار پرستار است، gen AI را برای بهبود رد دادن بیماران بین پرستاران استفاده می‌کند. در همین حال، Mayo Clinic که سالانه بیش از دو میلیارد بازدید کننده به وبسایت خود دارد، gen AI مبتنی بر جستجوی سازمانی را استفاده می‌کند تا به به اشتراک گذاری اطلاعات در مورد همه چیز از درک علائم تا توضیح داروها و درمان‌ها کمک کند.
در هر دو مورد، کارایی‌ها و خدمات بهتری که توسط gen AI ارائه می‌شود، ابتدا به نظر ممکن است مرحله به مرحله افزایش یابد، اما با دید طولانی‌مدت واضح می‌شود که این راهی است برای بهبود مستندسازی بالینی، تعاملات اثربخش‌تر پزشک و بیمار و در نهایت، بهبود نتایج بهداشتی برای بیماران.
همانطور که هوش مصنوعی در حال پیشرفت در حوزه‌هایی که قبلا در آنها درگیر نشده بود مانند تاشویه پروتئین با ارائه‌های مانند AlphaFold است، همچنین در مسیر انجام کار تحولی برای بهترین فهم از چیزهایی که قبلا اعتقاد داشتیم در حال حرکت است. مناطق جالب‌تر برای این کار ممکن است در انبوه‌سازی و بازترکیب داده‌های موجود به شکل‌های جدید باشد. صدها میلیون پرونده بهداشت الکترونیکی، گزارش‌های تشخیصی و PDFها که شرایط بیمار و بیمارستان را توصیف می‌کنند و با استفاده از محاسبات قدرتمند gen AI، می‌توانند به نتایج جدید ایجاد کنند و الگوها را فاش کنند. این امر باعث می‌شود تا تجربه مراقبت از بیماران بهبود یابد و به بهبود کلی سلامت جمعی کمک کند. MEDITECH فعال‌ای در این زمینه است، شروع شده با جستجو و خلاصه‌سازی آسان پرونده‌های سلامت الکترونیکی و توسط auto-generating یک پیش نویس اولیه از گزارش درگلستان بیمارستان به مرخصی. حتی هیجان‌انگیزتر این است که gen AI می‌تواند چه کاری برای یک سازمان بهداشتی انجام دهد وقتی که داده‌ها را از منابع مختلف ترکیب نمی‌کند و همچنین اطلاعات از حالت‌های کاملا متفاوت، مانند اسکن تصاویر، نتایج آزمایشگاهی و مصاحبه‌های بیمار را ترکیب می‌کند. اتحاد این قطعات مختلف اطلاعات و داده‌ها ممکن‌است به راه‌حل‌های فعال‌ شده توسط gen AI برای پاسخ دقیق‌تر و ایمن‌تر به سوالات پزشکی کمک کند. این فقط آغاز جایی است که این فهم غنی‌تر به سوی آن می‌رود.
عمق‌بخشیدن به فهم ما از بهترین روش‌های استفاده از gen AI در حوزه بهداشت
بهداشت یک زمینه منحصر به فرد و به طور صریح چالش برانگیز است، زیرا این ترکیبی از علم، انسانیت و کسب و کار ارائه مراقبت است. سختی تحلیلی، همدلی، و ضرورت‌های اقتصادی همگی مهم‌اند و من خودم افتخار می‌کنم که در یک زمینه کار می‌کنم که در آن انبوهی از افراد با استعداد تلاش می‌کنند به طور مداوم تعادل بین این سه جنبه را بهبود بخشند.
بزرگترین مزیت gen AI در سال 2024 و پس از آن، یک درک رو به رشد از همه سه حوزه خواهد بود. این برای مقامات بهداشتی مهم است که به دنبال درک و استفاده از فناوری‌های جدید هستند. این برای محققان و پزشکانی که به دنبال بهترین درک از بیماران و چگونگی ارائه درمان‌های بهتر هستند مهم است. و این برای شرکت‌های بهداشتی و میلیون‌ها بیمار که به دنبال راه‌هایی برای داشتن مراقبت عادلانه و اثربخش هستند مهم است.
در دوره نزدیک، ما این دیدگاه را گسترش خواهیم داد. با کمی شانس و زحمت زیاد از حرفه‌ایان متعهد، ما خواهیم دید تحولات بلندمدتی در دانش.

نظرات:
با گذشت زمان و تکنولوژی‌های هوش مصنوعی در حوزه بهداشت، انتظار می‌رود که پیشرفت‌های چشمگیری رخ دهد. استفاده از gen AI در سال 2024 و در آینده، بهبود قابل توجهی در مدیریت اداری و بالینی، ارتباط بیشتر و بهتر بین پزشکان و بیماران، و بهبود نتایج بهداشتی برای بیماران را به همراه خواهد داشت. این فناوری نه تنها می‌تواند به بهبود سیستم بهداشت کمک کند، بلکه به ارتقای تجربه بیماران و بهبود سلامتی جمعی نیز کمک خواهد کرد. افزایش دانش در هر سه حوزه از استفاده از gen AI در پزشکی و بهداشت برای توس

منبع:
این مقاله در اصل در https://blog.google/technology/health/google-ai-and-health/3-predictions-for-ai-in-healthcare-in-2024/ منتشر شده است.

بخش اول: پروژه‌های هوش مصنوعی در عرصه بهبود سلامت

تیم‌های مختلفی در گوگل در طول سال‌ها بر روی این مسئله تمرکز کرده‌اند که چگونه فناوری، به ویژه هوش مصنوعی و نوآوری‌های سخت‌افزاری، می‌تواند بهبود دسترسی به مراقبت‌های با کیفیت و عادلانه در سطح جهان ممکن کند. دسترسی به مراقبت‌های بهداشتی مناسب ممکن است بسته به اینکه افراد در کدام منطقه زندگی می‌کنند و آیا مراقبین محلی تجهیزات و آموزش‌های تخصصی برای کارهایی مانند اسکرینینگ بیماری دارند، چالش برانگیز باشد.
گوگل از سال‌ها پیش تحقیقات و برنامه‌های خود را گسترش داده‌است تا بر روی بهبود مراقبت‌هایی که پزشکان ارائه می‌دهند تمرکز کند و این امکان را فراهم کند که مراقبت‌ها به محل‌های خارج از بیمارستان‌ها و اتاق‌های دکتر‌ها منتقل شود.

بخش دوم: استفاده از دوربین‌های هوشمند گوشی برای حفاظت از سلامت قلبی و حفظ بینایی

یکی از پروژه‌های ابتدایی هوش مصنوعی در حوزه بهداشت، ARDA نام دارد که هدف از آن کمک به اسکرینینگ برای رتینوپاتی دیابتی است – یک عارضه از دیابت که، اگر تشخیص داده نشود و درمان نشود، می‌تواند منجر به نابینایی شود.
امروزه، ما روزانه ۳۵۰ بیمار را اسکرینینگ می‌کنیم که منجر به اسکن نزدیک به ۱۰۰۰۰۰ بیمار تا کنون شده است. به تازگی مطالعه تجربی را با برنامه ملی اسکرینینگ تایلند که نشان می‌دهد ARDA دقیق است و قابل اجرا به طور ایمن در مناطق مختلف برای پشتیبانی از اسکرینینگ دید نزدیک به چشم را به اتمام رسانده‌ایم.
به علاوه به بیماری‌های مرتبط با دیابت به شکلی جدید متوجه از عکس‌های بیرونی چشم پرداخته‌ایم، با استفاده از دوربین‌های میز کلینیک‌ها. با توجه به نتایج واعده‌آور اولیه، ما به تحقیقات بالینی با شرکا، از جمله EyePACS و بیمارستان چانگ گونگ مموریال (CGMH) برای بررسی اینکه آیا عکس‌ها از دوربین‌های هوشمند می‌توانند به تشخیص بیماری‌های مرتبط با دیابت و غیر دیابتی از عکس‌های چشم خارجی هم کمک کنند، نگریسته‌ایم. در حالی که این در مراحل اولیه تحقیق و توسعه است، مهندسان و دانشمندان ما به یک آینده ای روشن رویا دیده‌اند که افراد، با کمک دکتران خود، می‌توانند از شرایط سلامت خود در خانه‌هایشان بهتر فهمیده و تصمیم‌گیری کنند.

بخش سوم: ضبط و ترجمه صداهای قلب با گوشی‌های هوشمند

قبلا اظهار کردیم که سنسورهای تلفن همراه همراه با یادگیری ماشین می‌توانند به شما برقراری معیار‌های سلامت و بهداشت خود را آسان کنند و به شما برداشت‌هایی در مورد سلامت روزانه بیاورند. ویژگی ما که به شما اجازه می‌دهد تا نرخ ضربان قلب و نرخ تنفس خود را با دوربین تلفن همراه‌تان اندازه گیری کنید اکنون بر روی بیش از ۱۰۰ مدل دستگاه‌های اندروید و دستگاه‌های iOS موجود است. متن منتشر شده ما که نشان دهنده مطالعه اعتبارسنجی تجربی شده است مورد پذیرش برای انتشار قرار گرفته است.
امروز، ما یک حوزه تحقیق جدید را که بررسی می‌کند که چگونه میکروفون‌های داخلی تلفن‌های هوشمند می‌توانند صدای قلب را زمانی که بر روی سینه قرار گیرد، ضبط کنند را به اشتراک می‌گذاریم. گوش دادن به قلب و ریه‌های کسی با استفاده از استتوسکوپ، که به عنوان اسکولتیشن شناخته می‌شود، بخش اساسی از یک معاینه فیزیکی است. این می‌تواند به پزشکان در تشخیص اختلالات صمام قلب، مانند تنگی شریان آئور که اهمیت دارد که زود تشخیص داده شود، کمک کرد. اسکرینینگ برای تنگی شریان آئور به طور معمول نیازمند تجهیزات تخصصی است، مانند استتوسکوپ یا سونوگرافی، و ارزیابی حضوری.
تحقیقات اخیر ما بررسی می‌کند اینکه آیا یک تلفن همراه می‌تواند ضربان قلب و سوسان های صدایی را شناسایی کند. ما در حال حاضر در مراحل اولیه مطالعه بالینی هستیم، اما امیدواریم که کار ما بتواند افراد را به استفاده از تلفن همراه به عنوان یک ابزار اضافی برای ارزیابی سلامت قابل دسترس توانایی بخشد.

بخش چهارم: شراکت با دانشگاه پزشکی نورث‌وسترن برای استفاده از هوش مصنوعی در بهبود سلامت مادران

اولتراسونوگرافی یک روش تصویربرداری تشخیصی غیر تهاجمی است که از امواج صوتی با فرکانس بالا برای ایجاد تصاویر یا ویدیوهای زمان واقعی از اعضا داخلی یا سایر بافت‌ها، مانند عروق ونیادان‌ها و جنین‌ها، استفاده می‌کند.
تحقیقات نشان می‌دهد که اولتراسونوگرافی برای استفاده در مراقبت قبل از زایمان ایمن است و در شناسایی مشکلات در زمان زودبازی در حاملگی موثر است. با این حال، بیش از نیمی از والدینی که در کشورهای درآمد وسط و پایین زندگی می‌کنند دریافت اولتراسون نمی‌کنند، به خصوص به دلیل کمبود تخصص در خواندن اولتراسون. ما باور داریم که تخصص گوگل در یادگیری ماشین می‌تواند این مشکل را حل کند و اجازه دهد که بارداری‌های سالمتر و نتایج بهتری برای والدین و نوزادان به ارمغان بیاورد.
ما در حال کار بر روی مطالعات پایه و دسترسی باز به تحقیقات که اثبات می‌کند استفاده از هوش مصنوعی به کمک به انجام اولتراسون توسط ارائه دهندگان و انجام ارزیابی‌ها کمک می‌کند. ما خوشحالیم که با دانشگاه پزشکی نورث‌وسترن همکاری کنیم تا این مدل‌ها را برای استفاده گسترده‌تر در سطوح مختلف تجربه و فناوری توسعه دهیم. با ارزیابی های خودکار و دقیق تر از مخاطرات سلامتی مادر و جنین، ما امیدواریم برای کاهش موانع تشخیص مراقبت های به موقع در تنظیمات صحیح کمک کنیم.

دیدگاه کارشناس و نکات کلیدی:

این مقاله بهبودهای مهمی را در زمینه بهبود دسترسی به مراقبت‌های سلامتی با استفاده از هوش مصنوعی و فناوری‌ها نشان داده است. تلاش‌هایی که گوگل Health برای پشتیبانی از پزشکان و افراد در درک و تصمیم‌گیری بهتر درباره شرایط سلامتی خود انجام می‌دهد، می‌تواند بهبود چشم گیری بر روی سلامت عمومی داشته باشد. امیدواریم که پژوهش‌ها و تحقیقات جدید که انجام می‌شوند، بتوانند به نحو موثرتری به دسترسی به مراقبت‌های بهداشتی و درمانی کمک کنند.

منبع:
این مقاله در اصل در https://blog.google/technology/health/check-up-ai-developments-2022/ منتشر شده است.