AWS & AI inom hälso- och sjukvården: JetBase fallstudie

Artificiell intelligens (AI) och maskininlärning (ML) upplever för närvarande en betydande global hype, särskilt sedan lanseringen av generativa AI-modeller som ChatGPT 2022. I takt med att denna hype växer har etiska överväganden hamnat i förgrunden, särskilt inom det medicinska området där människors hälsa och välbefinnande är av yttersta vikt.

Trots förekomsten av nio generativa AI-modeller inom sjukvården och 24 distinkta tillämpningar av AI, såsom att tillhandahålla hälsorelaterade insikter och hjälpa till med diagnos och prediktion av sjukdomar, återstår viktiga utmaningar. Dessa inkluderar generering av felaktigt eller fiktivt innehåll, osäkerhet kring informationskällor och minskad noggrannhet vid besvarade frågor.

Enligt McKinsey kan artificiell intelligens, traditionell maskininlärning och djupinlärning resultera i nettobesparingar på 200 miljarder till 360 miljarder dollar i sjukvårdsutgifter. Denna potential kan dock endast realiseras om förtroende byggs bland vårdpersonal och patienter, och om AI används korrekt och intelligent.

Tillämpningar av AI och maskininlärning erbjuder många fördelar, inte bara ekonomiska. De bidrar också till bättre vårdkvalitet, ökad tillgång till vård och större tillfredsställelse för både patienter och läkare.

Här är tillämpningar av maskininlärning (ML) som en underkategori av artificiell intelligens (AI) som blir allt populärare inom hälso- och sjukvården:

• Samla noggrant in patienthistorik och tillhandahålla familjehistorik
• Förbättra sjukvårdstjänster och operativ effektivitet
• Förbättra behandlingsprocessen och diagnostisk noggrannhet
• Möjliggöra robotkirurgi och bildstyrda terapier
• Automatisera meddelandevarningar
• Upptäcka diabetes och andra hälsoproblem
• Stödja snabbt beslutsfattande
• Hantera onlinebokning av tider och vårdinformatik
• Analysera patientdata och förbättra kliniska studier
• Underlätta tidig läkemedelsutveckling och kliniska prövningar
• Assistera vid psykologiska svårigheter, patientdiagnoser och terapi
• Främja läkemedelsupptäckt och radiologi
• Utveckla nya medicinska procedurer
• Prognostisera sjukdomar och upptäcka små defekter
• Hjälpa till vid behandling av blodcancer
• Förbättra sjukvårdssystem och kvalitet
• Hantera risker effektivt

Tillämpningen av maskininlärning (ML) förbättrar branschens organisatoriska aspekter genom att effektivisera processer som anspråkshantering och hantering av intäktscykler. Den har också potential att automatisera klinisk dokumentation och arkivadministration. Företagsfall för ML dyker allt oftare upp i rubrikerna, vilket belyser dess stora potential och framsteg inom hälso- och sjukvården.

Eftersom patienters tillgång till medicin och deras tillfredsställelse med medicinska tjänster är avgörande inom hälso- och sjukvården, prioriterar många organisationer att investera i tekniker som kan förbättra dessa områden. Med tanke på att AI, maskininlärning och generativa AI-tekniker har hög investeringspotential, kan vi förutse hur kombinationen och integrationen av dessa tekniker kommer att vara lovande under de kommande åren.

Enligt McKinsey-rapporten "Digital Transformation: Health Systems’ Investment Priorities" är virtuell hälsa och digitala "front doors" de främsta investeringsområdena för 70 procent av hälso- och sjukvårdscheferna, som förväntar sig att dessa områden kommer att ha störst inverkan. Dessutom erkänner 88 procent av respondenterna en hög potentiell inverkan av AI.

Effektiv kommunikation mellan läkare och patienter är avgörande. Som WHO konstaterar: "medan teknik och innovationer kan förbättra hälsovårdstjänsternas kapacitet, förblir mänsklig interaktion ett nyckelelement för patienternas välbefinnande." Det är viktigt för medicinska proffs och organisationer att upprätthålla en mänsklig touch även när de utnyttjar tekniska framsteg.

Här är några områden där AI och maskininlärning kan implementeras i sjukvårdens digitala "front door":

• Virtuella hälsoassistenter
• Telemedicinplattformar
• Tidsbokning och -hantering
• Patientbedömning och symptomkontroll
• Personliga hälso-rekommendationer
• Fjärrövervakning av patienter
• Patientengagemang och utbildning
• Prediktiv analys för patientresultat
• Automatiserad dokumentation och arbetsflödeshantering

Inom det digitala området är det avgörande att upprätthålla mänsklig interaktion samtidigt som tekniken utnyttjas. Eftersom samtal mellan läkare och patienter är en nyckelkomponent i sjukvårdens digitala "front door", har vi på JetBase implementerat AI för att överbrygga klyftan mellan dem, vilket sparar tid och ökar tillfredsställelsen. Vi vill gärna diskutera vårt AI-implementeringsfall mer i detalj med dig.

Vår integration sträcker sig bortom bara interaktioner mellan läkare och patienter; den inkluderar även arbetsflöde och datahantering. Vi implementerar kontinuerligt nya funktioner från AI-leverantörer. Fortsätt läsa för att lära dig hur AI och maskininlärning kan tillämpas i verkliga sjukvårdsscenarier.

I vårt utvecklingsprojekt för sjukvården, som utnyttjar data från medicinsk utrustning, kan patienter och läkare delta i samtal som kan variera från bara några minuter till flera timmar. För patienter förblir upplevelsen sömlös – läkare är uppmärksamma och tillgängliga för konsultation.

För vårdpersonal är fördelarna dock betydande. Med många patienter och interaktioner att hantera kan det vara svårt att hålla reda på alla detaljer. Det är här AI-tekniker kommer till undsättning. Genom att analysera nyckelpunkter från varje interaktion hjälper AI till att minska överflödig data och effektivisera informationshanteringen. För att illustrera hur detta fungerar kommer vi att ge exempel från vår fallstudie inom hälso- och sjukvården.

I vårt utvecklingsprojekt inom hälso- och sjukvården har vi integrerat AWS AI-tjänster. Denna integration har gjort det möjligt för oss att få insikter från data och automatisera medicinsk personals dagliga rutiner.

Amazon Bedrock

Amazon Bedrock ger tillgång till ett brett utbud av grundmodeller (FMs) från ledande AI-startups och Amazon via ett enhetligt API. Det säkerställer total säkerhet och integritet samtidigt som det underlättar enkel experimentering och utvärdering av toppmodeller. Med funktioner som finjustering, Retrieval Augmented Generation (RAG) och möjligheten att skapa agenter som interagerar med dina företagssystem, stöder Amazon Bedrock anpassning och effektiv databehandling.

Vi har använt Amazon Bedrock under de senaste 2-3 månaderna för att generera prompter från medicinsk utrustningsdata. Läkare fungerar som agenter i detta AI-ekosystem och tillämpar specifika parametrar på dessa prompter. De bearbetade prompterna skickas tillbaka till tjänsten, som returnerar färdiga kommentarer som läkare kan redigera vid behov.

Amazon Transcribe

Amazon Transcribe är en automatisk taligenkänningstjänst som omvandlar ljud till text med hjälp av maskininlärning. Den kan användas oberoende eller integreras i applikationer för tal-till-text-funktioner. Den erbjuder språkanpassning för förbättrad noggrannhet, innehållsfiltrering för integritet, flervägs-ljudanalys och högtalarpartitionering. Du kan transkribera media i realtid (strömning) eller från filer lagrade i en Amazon S3-bucket (batch).

Under de senaste 6 månaderna har vi använt batchtranskriptionsalternativet. Vi utvärderar också konversationer med hjälp av tre kategorier: nöjd, inte nöjd och neutral. Vi har lagt till ett alternativ för att visualisera dessa utvärderingar med emojis för bättre användarinsikt.

AWS HealthScribe

AWS HealthScribe är en HIPAA-kvalificerad tjänst som integrerar generativa AI-funktioner utan att kräva hantering av den underliggande ML-infrastrukturen eller träning av hälso- och sjukvårdsspecifika stora språkmodeller (LLMs). Den hjälper till att känna igen medicinskt tal för att automatisera preliminär klinisk dokumentation. Med ett enda API identifierar AWS HealthScribe högtalarroller, klassificerar dialoger, extraherar medicinska termer och genererar detaljerade preliminära kliniska transkriptioner och anteckningar, vilket påskyndar implementeringen genom att eliminera behovet av separata AI-tjänster. Denna tjänst lanserades i början av 2024, och vi håller för närvarande på att övergå till den efter flera månaders användning av Amazon Transcribe.

Amazon Forecast

Amazon Forecast är en annan AWS-tjänst som hjälper till med intelligensdrivna beslut med hjälp av maskininlärning (ML). Den förenklar användningen av olika datanivåer för analys av affärsnyckeltal.

Vi håller fortfarande på att implementera Amazon Forecast i våra affärsprocesser inom vår sjukvårdsapplikation och kommer att ge uppdateringar om våra framsteg allteftersom vi går framåt.

Du kanske undrar vad som krävs för att implementera AI-tjänster i din hälso- och sjukvårdsapplikation med hjälp av AWS. Fördelen med AWS är att det erbjuder ett team av experter och AI-partners. Från vårt perspektiv behövde vi endast tydlig data och en AI-expert för att navigera implementeringsprocessen och hantera specifika utmaningar.

Tydlig data

I vårt AI- användningsfall hanterar vi för närvarande 20-30 miljoner datapunkter från medicinsk utrustningsavläsningar. Denna data gör det möjligt för oss att träna algoritmer och använda prediktiv analys. Ett av våra mål är att använda denna data för att prognostisera intäkter för kliniker och andra sjukvårdsenheter som är involverade i projektet, samt att förbättra patientengagemanget. Även om datafilter kan hjälpa till att rena indata, kräver arbete med stora dataset fortfarande betydande tid och ansträngning från mänskliga resurser.

Det finns ingen sådan sak som för mycket data inom maskininlärning. Det som är viktigare är att ha tydlig, välorganiserad data.

AI-experter och mänsklig involvering

Att välja ut och förbereda data för maskininlärning är en tidskrävande uppgift som kräver dedikerad mänsklig ansträngning. Du behöver ett team bestående av en AI-ingenjör, läkare och medicinska forskare för att filtrera data, testa algoritmer och systematiskt märka data.

AI och maskininlärning inom hälso- och sjukvården är lovande områden som har potential för betydande framsteg från både AI-ingenjörer och medicinska experter, samt omfattande investeringar. Vi fortsätter att lära oss mer om AI:s kapacitet och tekniska innovationer inom medicin, vilket kan förbättra medicinska arbetsflöden, patientupplevelser och utöka tillgången till hälso- och sjukvård globalt.

På JetBase förlitar vi oss för närvarande på AWS-tjänster för vårt sjukvårdsprojekt, vilket eliminerar behovet av att utveckla våra egna AI-lösningar och maskininlärningsekosystem. Dessa tjänster har redan visat sig vara värdefulla för att transkribera samtal mellan läkare och patienter och skapa prompter från omfattande data från medicinsk utrustning. Vi förblir dock öppna för att fördjupa vårt projekt baserat på dess mål och klientbehov. Vi är engagerade i att implementera innovativa tekniska idéer till förmån för både läkare och patienter.

Vi hoppas att våra insikter i AI och maskininlärning inom hälso- och sjukvården har inspirerat dig och gett nya idéer för ditt eget användningsfall. Om du behöver expertis inom AWS-tjänster och webbutveckling inom hälso- och sjukvårdsbranschen, kontakta gärna JetBase för en kostnadsfri konsultation.