Τεχνολογία

Τηλεϋγεία: Θα είναι το smartphone σας το επόμενο ιατρείο;

Τηλεϋγεία: Θα είναι το smartphone σας το επόμενο ιατρείο;
Τηλεϋγεία: Τα smartphone είναι γεμάτα με αισθητήρες ικανούς να παρακολουθούν τα ζωτικά σημεία του ασθενούς.

Οι ίδιες συσκευές που χρησιμοποιούνται για τη λήψη selfie και τη πληκτρολόγηση tweets επαναπροσδιορίζονται και διατίθενται στο εμπόριο για γρήγορη πρόσβαση στις πληροφορίες που απαιτούνται για την παρακολούθηση της υγείας ενός ασθενούς. Ένα δάχτυλο που πιέζεται πάνω στον φακό της κάμερας ενός τηλεφώνου μπορεί να μετρήσει τον καρδιακό ρυθμό. Το μικρόφωνο, που βρίσκεται δίπλα στο κρεβάτι, μπορεί να ελέγξει για υπνική άπνοια. Ακόμη και το ηχείο χτυπιέται, για να παρακολουθείτε την αναπνοή χρησιμοποιώντας τεχνολογία σόναρ.

Tα δεδομένα μεταφέρονται εξ αποστάσεως σε έναν ιατρό για την ευκολία και την άνεση του ασθενούς ή, σε ορισμένες περιπτώσεις, για την υποστήριξη ενός κλινικού ιατρού χωρίς την ανάγκη δαπανηρού υλικού. Αλλά η χρήση των smartphone ως διαγνωστικών εργαλείων είναι ένα έργο σε εξέλιξη, λένε οι ειδικοί. Αν και οι γιατροί και οι ασθενείς τους έχουν βρει κάποια πραγματική επιτυχία στην ανάπτυξη του τηλεφώνου ως ιατρική συσκευή, το συνολικό δυναμικό παραμένει ανεκπλήρωτο και αβέβαιο.

Τα smartphone είναι γεμάτα με αισθητήρες ικανούς να παρακολουθούν τα ζωτικά σημεία του ασθενούς. Μπορούν να βοηθήσουν στην αξιολόγηση των ανθρώπων για διάσειση, να παρακολουθήσουν για κολπική μαρμαρυγή και να πραγματοποιήσουν ελέγχους ψυχικής υγείας, για να αναφέρουν τις χρήσεις μερικών εκκολαπτόμενων εφαρμογών.

Εταιρείες και ερευνητές που επιθυμούν να βρουν ιατρικές εφαρμογές για την τεχνολογία smartphone αξιοποιούν:

  • ενσωματωμένες κάμερες και τους αισθητήρες φωτός των σύγχρονων τηλεφώνων,
  • μικρόφωνα,
  • επιταχυνσιόμετρα, τα οποία ανιχνεύουν τις κινήσεις του σώματος,
  • γυροσκόπια,
  • ακόμη και ηχεία.

Στη συνέχεια, οι εφαρμογές χρησιμοποιούν λογισμικό τεχνητής νοημοσύνης για να αναλύσουν τις συλλεγόμενες εικόνες και ήχους για να δημιουργήσουν μια εύκολη σύνδεση μεταξύ ασθενών και γιατρών. Οι δυνατότητες κερδών και η εμπορευσιμότητα αποδεικνύονται από τα περισσότερα από 350.000 ψηφιακά προϊόντα υγείας που είναι διαθέσιμα στα καταστήματα εφαρμογών, σύμφωνα με μια έκθεση της Grand View Research. «Είναι πολύ δύσκολο να τοποθετήσεις συσκευές στο σπίτι ή στο νοσοκομείο του ασθενούς, αλλά όλοι περπατούν με ένα κινητό τηλέφωνο που έχει σύνδεση δικτύου», δήλωσε ο Δρ Andrew Gostine, Διευθύνων Σύμβουλος της εταιρείας δικτύων αισθητήρων Artisight.

Οι περισσότεροι Αμερικανοί διαθέτουν smartphone, συμπεριλαμβανομένου του 60% των ατόμων άνω των 65 ετών, αύξηση από μόλις 13% πριν από μια δεκαετία, σύμφωνα με το Pew Research Center. Η πανδημία του Covid-19 έχει επίσης ωθήσει τους ανθρώπους να γίνουν πιο άνετοι με την εικονική φροντίδα. Ορισμένα από αυτά τα προϊόντα έχουν ζητήσει την έγκριση του FDA για να διατεθούν στην αγορά ως ιατροτεχνολογικό προϊόν. Με αυτόν τον τρόπο, εάν οι ασθενείς πρέπει να πληρώσουν για να χρησιμοποιήσουν το λογισμικό, οι ασφαλιστές υγείας είναι πιο πιθανό να καλύψουν τουλάχιστον ένα μέρος του κόστους. Άλλα προϊόντα χαρακτηρίζονται ως εξαιρούμενα από αυτή τη ρυθμιστική διαδικασία και τοποθετούνται στην ίδια κλινική ταξινόμηση με το Band-Aid.

Αλλά ο τρόπος με τον οποίο ο οργανισμός χειρίζεται την τεχνητή νοημοσύνη και τις ιατρικές συσκευές που βασίζονται στη μηχανική μάθηση εξακολουθεί να προσαρμόζεται ώστε να αντικατοπτρίζει την προσαρμοστική φύση του λογισμικού. Η διασφάλιση της ακρίβειας και της κλινικής επικύρωσης είναι ζωτικής σημασίας για τη διασφάλιση της αγοράς από τους παρόχους υγειονομικής περίθαλψης. Και πολλά εργαλεία εξακολουθούν να χρειάζονται τελειοποίηση, είπε ο Δρ. Eugene Yang, καθηγητής ιατρικής στο Πανεπιστήμιο της Ουάσιγκτον. Επί του παρόντος, ο Yang δοκιμάζει ανεπαφική μέτρηση της αρτηριακής πίεσης, του καρδιακού ρυθμού και του κορεσμού οξυγόνου που συλλέγονται εξ αποστάσεως μέσω πλάνα από κάμερα Zoom του προσώπου ενός ασθενούς.

Η κρίση αυτών των νέων τεχνολογιών είναι δύσκολη επειδή βασίζονται σε αλγόριθμους που έχουν δημιουργηθεί από μηχανική μάθηση και τεχνητή νοημοσύνη για τη συλλογή δεδομένων, αντί στα φυσικά εργαλεία που χρησιμοποιούνται συνήθως στα νοσοκομεία. Έτσι, οι ερευνητές δεν μπορούν να «συγκρίνουν τα μήλα με τα μήλα» με τα πρότυπα της ιατρικής βιομηχανίας, είπε ο Yang. Η αποτυχία δημιουργίας τέτοιων διαβεβαιώσεων υπονομεύει τους απώτερους στόχους της τεχνολογίας για μείωση του κόστους και της πρόσβασης, επειδή ένας γιατρός πρέπει ακόμα να επαληθεύσει τα αποτελέσματα. «Τα ψευδώς θετικά και τα ψευδώς αρνητικά οδηγούν σε περισσότερες εξετάσεις και μεγαλύτερο κόστος για το σύστημα υγειονομικής περίθαλψης», είπε.