با توسعه فناوری اطلاعات، مفهوم مراقبت های بهداشتی هوشمند و بیمارستان های هوشمند به تدریج مورد توجه قرار گرفت. مراقبت های بهداشتی هوشمند با استفاده از نسل جدیدی از فناوری های اطلاعاتی، مانند اینترنت اشیا یا (loT)، داده های بزرگ، رایانش ابری و هوش مصنوعی، سیستم پزشکی سنتی را به شکلی همه جانبه متحول می کند و مراقبت های بهداشتی را کارآمدتر، راحت تر می کند. با هدف معرفی مفهوم مراقبت های بهداشتی هوشمند، در این بررسی ابتدا فن آوری های اصلی را که از مراقبت های بهداشتی هوشمند پشتیبانی می کنند لیست کرده و وضعیت فعلی مراقبت های بهداشتی هوشمند را در چندین زمینه مهم معرفی می کنیم. سپس مشکلات موجود در زمینه مراقبت های بهداشتی هوشمند را بیان می کنیم و سعی می کنیم راه حل هایی برای آنها ارائه دهیم. در آخر، به آینده نگاهی می اندازیم و چشم انداز آینده مراقبت های بهداشتی هوشمند را نیز ارزیابی خواهیم کرد.

مقدمه

عصر امروز دوران داده ها است. با پیشرفت تکنولوژی و نظریه های علمی، طب سنتی با هسته بیوتکنولوژی به تدریج شروع به مدرن شدن می کند و مراقبت های بهداشتی هوشمند شامل نسل جدیدی از فناوری اطلاعات نو ظهور است. مراقبت های بهداشتی هوشمند فقط یک پیشرفت تکنولوژیکی ساده نیست، بلکه یک تغییر همه جانبه در چندیدن سطح است. این تغییر در موارد زیر تجسم می یابد: 

• تغییرات مدل پزشکی (از مراقبت مبتنی بر بیماری به بیمار محور)، 
• تغییرات ساخت اطلاعاتی (از اطلاعات بالینی به اطلاعات پزشکی منطقه ای)
• تغییرات در مدیریت پزشکی (از مدیریت عمومی به مدیریت شخصی) 
• تغییراتی در مفهوم پیشگیری و درمان (از تمرکز بر درمان بیماری تا تمرکز بر مراقبت های بهداشتی پیشگیرانه) 

این تغییرات در تأمین نیازهای فردی افراد ضمن بهبود کارایی مراقبت های پزشکی است، که تجربه خدمات پزشکی و بهداشتی را افزایش می دهد و نشان دهنده مسیر توسعه آینده پزشکی مدرن است. ما در این موضوع از مفهوم مراقبت های بهداشتی هوشمند و به طور خلاصه فناوری های کلیدی حمایت از مراقبت های بهداشتی هوشمند را معرفی می کنیم و با بررسی وضعیت کاربرد این فن آوری ها در زمینه های مهم پزشکی، قبل از مراقبت های بهداشتی در ارائه چشم اندازی در آینده هوشمند را  در این حوزه به همراه موفقیت ها و چالش های آن توضیح می دهیم.

مفهوم مراقبت های بهداشتی هوشمند

مراقبت های بهداشتی هوشمند برگرفته از مفهوم “Smart Planet” است که توسط IBM در سال ۲۰۰۹ ارائه شد. به زبان ساده، Smart Planet یک زیرساخت هوشمند است که با استفاده از سنسورها اطلاعات را درک می کند، اطلاعات را از طریق اینترنت (اینترنت اشیا) انتقال می دهد و اطلاعات را با استفاده از اَبَر رایانه ها و رایانش ابری پردازش می کند. این  موضوع می تواند بعد اجتماعی جامعه را با خود هماهنگ کرده و آنها را سیستمی فراگیر ادغام کند تا بتواند مدیریتی پویا را در زمینه مراقبت های پزشکی پیشرفت بخشد. 

مراقبت های بهداشتی هوشمند، یک سیستم خدمات بهداشتی است که از فناوری هایی مانند دستگاه های پوشیدنی، اینترنت اشیا و اینترنت همراه برای دستیابی پویا به اطلاعات، اتصال افراد و موسسات مربوط به مراقبت های بهداشتی استفاده می کند و سپس به طور هوشمندانه نیازهای اکوسیستم پزشکی را مدیریت و پاسخ می دهد. 

مراقبت های بهداشتی هوشمند می تواند تعامل بین همه طرفین در زمینه بهداشت و درمان را تضمین کند، اطمینان حاصل میکند که مردم نیازمندی خدمات پزشکی مورد نیاز خود را دریافت میکنند، به همه کمک می کند تا آگاهانه تصمیم بگیرند و تخصیص منطقی منابع را تسهیل می کند. به طور خلاصه، مراقبت های بهداشتی هوشمند مرحله بالاتری از اطلاعات سازی در زمینه پزشکی است.

فناوری های کلیدی مراقبت های بهداشتی هوشمند

مراقبت های بهداشتی هوشمند از واسطه مانند پزشکان و بیماران، بیمارستان ها و موسسات تحقیقاتی تشکیل شده است. این یک مجموعه ارگانیک است که ابعاد مختلفی را شامل می شود، از جمله پیشگیری و نظارت بر بیماری، تشخیص و درمان، مدیریت بیمارستان، تصمیم گیری در مورد بهداشت و تحقیقات پزشکی. 

فناوری های اطلاعاتی، به عنوان مثال اینترنت اشیا، اینترنت همراه، رایانش ابری، داده های بزرگ، ۵G، میکروالکترونیک و هوش مصنوعی، همراه با بیوتکنولوژی مدرن، سنگ بنای مراقبت های بهداشتی هوشمند را تشکیل می دهند. 

این فن آوری ها به طور گسترده ای در تمام جنبه های مراقبت های بهداشتی هوشمند استفاده می شود. از دید بیماران، آنها می توانند از دستگاه های پوشیدنی برای نظارت بر سلامتی خود در همه زمان ها، جستجوی کمک پزشکی از طریق دستیارهای مجازی و استفاده از خانه های از راه دور برای اجرای خدمات از راه دور استفاده کنند. 

از دید پزشکان، انواع مختلفی از سیستم های پشتیبانی  جهت تصمیم گیری بالینی هوشمند برای کمک و بهبود تشخیص استفاده می شوند. پزشکان می توانند اطلاعات پزشکی را از طریق یک بستر اطلاعاتی یکپارچه که شامل سیستم مدیریت اطلاعات آزمایشگاهی، بایگانی تصاویر و سیستم های ارتباطی (PACS)، پرونده های پزشکی الکترونیکی و غیره است، مدیریت کنند. 

از طریق ربات های جراحی و فناوری واقعیت ترکیبی می توان به جراحی دقیق تری دست یافت. از دیدگاه بیمارستان ها، با استفاده از سیستم عامل های مدیریت یکپارچه برای جمع آوری اطلاعات و کمک به تصمیم گیری، می توان از فناوری شناسایی فرکانس رادیویی (RFID) برای مدیریت مواد پرسنلی و زنجیره تامین استفاده کرد. 

استفاده از سیستم عامل های پزشکی سیار می تواند تجارب بیماران را افزایش دهد، از دیدگاه موسسات تحقیقات علمی، می توان به جای استفاده از غربالگری سنتی دارو، از تکنیک هایی مانند یادگیری ماشین و یافتن افراد مناسب با استفاده از داده های بزرگ استفاده کرد. فناوری ها در کنار مراقبت های بهداشتی هوشمند می تواند به طور موثر هزینه و خطر اقدامات پزشکی را کاهش دهد، بهره وری استفاده از منابع پزشکی را بهبود بخشد، تبادلات و همکاری را در مناطق مختلف گسترش دهد، توسعه پزشکی از راه دور و مراقبت های پزشکی سلف سرویس را تحت بررسی مداوم قرار دهد و در نهایت خدمات پزشکی شخصی را برای هر نفر در همه جا گسترش دهد.

وضعیت کاربرد مراقبت های بهداشتی هوشمند

اهداف خدمات مراقبت های بهداشتی هوشمند را می توان تقریباً به سه دسته تقسیم کرد: 

• موسسات تحقیقاتی بالینی / علمی (به عنوان مثال، بیمارستان ها)
• موسسات تصمیم گیری بهداشت منطقه ای 
• کاربران عادی یا خانواده ها

کاربرد مراقبت های بهداشتی هوشمند را می توان بر اساس نیازهای مختلف به شرح زیر تقسیم کرد:

کمک به تشخیص و درمان

با استفاده از فناوری هایی مانند هوش مصنوعی، ربات های جراحی و واقعیت ترکیبی، تشخیص و درمان بیماری ها هوشمندتر شده است. با استفاده از هوش مصنوعی در ساخت سیستم پشتیبانی تصمیم گیری بالینی، نتایج تشخیص هایی مانند تشخیص هپاتیت، سرطان ریه و سرطان پوست بدست آمده است. دقت نتایج تشخیص هوش مصنوعی بیش از پزشکان انسانی است. 

سیستم های مبتنی بر یادگیری ماشین اغلب حتی از پزشکان باتجربه به خصوص در آسیب شناسی و تصویربرداری دقیق ترند. سیستم های پشتیبانی تصمیم گیری بالینی “واتسون آی بی ام“، یک سیستم شناختی هوشمند است که از طریق تجزیه و تحلیل عمیق تمام داده های بالینی و همه داده های نوشتاری، یک راه حل بهینه ارائه می دهد. 

این برنامه دقت و شناخت زیادی در تشخیص دیابت و سرطان دارد. از طریق استفاده از این سیستم پشتیبان تصمیم گیری بالینی، پزشکان می توانند بر اساس الگوریتم های این فناوری برای بهبود دقت تشخیص، کاهش میزان تشخیص اشتباه، و مشاوره های تخصصی استفاده های بسیاری می توان نام برد. همچنین بیماران را قادر می سازد تا به موقع تحت درمان های پزشکی قرار بگیرند.

بر اساس تشخیص های هوشمند، وضعیت بیمار با دقت بیشتری توصیف می شود که به تدوین یک برنامه درمانی شخصی برای فرد کمک می کند و این برنامه توسط متخصصان تایید میشود و بیماران روند درمان خود را دقیق تر پی خواهند گرفت. به عنوان مثال، در پرتودرمانی تومور، می توان فرایند پرتو درمانی بیمار را به کمک پویایی رادیومیکس هوشمند در تمام مراحل به صورت پویا کنترل کرد. 

پزشکان می توانند برنامه رادیوتراپی را بهینه کنند، پیشرفت بیماری را مشاهده کنند و از خطاهای انسانی ناشی از عملکرد دستی جلوگیری کنند. 

سیستم های معروف تر ربات شامل سیستم داوینچی (جراحی بصری، در سانی ویل کالیفرنیا در ایالات متحده آمریکا)، سیستم Sensei X robotic catheter system آمریکا و Flex® Robotic System (Medrobotics)، Raynham، MA، ایالات متحده آمریکا). 

در مقایسه با جراحی آندوسکوپی سنتی، نتایج بهتر و بهبودی سریعتر در بیماران حاصل خواهد شد و جراحان از تجهیزاتی که انعطاف پذیری و سازگاری بیشتری برای آنها فراهم می کند لذت خواهند برد و اجرای جراحی از راه دور نیز راحت تر خواهد بود.

استفاده از فناوری واقعیت ترکیبی، توسعه و اجرای برنامه جراحی را آسان تر می کند. پروفسور Ye Zhewei از بیمارستان ووهان کارهای زیادی در این زمینه انجام داده است. تیم وی اولین عمل جراحی مفصل ران را با هدایت واقعیت ترکیبی برای بیمار ۱۵ ساله با شکستگی گردن و استخوان ران چپ انجام دادند. 

با مدل سازی هدف و فراخوانی آن به دنیای واقعی برای تطبیق دقیق، یک حلقه اطلاعات تعاملی بین دنیای مجازی، دنیای واقعی و کاربران ایجاد می شود. ظهور این فناوری تغییرات شگرفی در آموزش پزشکی، تحقیقات، ارتباطات و درمان بالینی به همراه خواهد داشت.

مدیریت سلامت

از ابتدای قرن بیست و یکم، بیماری های مزمن به تدریج به بیماری هایی که طیف زیادی از انسانها را دچار کرده و به یک اپیدمی جدید تبدیل شده اند مبدل شده است. بیماری های مزمن طول درمان زیادی دارند و بعضاً غیر قابل درمان و هزینه بر هستند، بنابراین مدیریت سلامت بیماری از اهمیت ویژه ای برخوردار است. با این حال، به نظر می رسد که مدل سنتی مدیریت بهداشت بیمارستانها و پزشکان، توانایی مقابله کافی و صحیح با افزایش تعداد بیماران و بیماری ها را ندارد.

مدل جدید مدیریت سلامت تحت مراقبت های بهداشتی هوشمند، توجه بیشتری به خود مدیریتی بیماران دارد. این امر بر دو وجهه نظارت بر خود و نظارت در لحظه بیماران و نیز بازخورد فوری داده های بهداشتی و مداخله به موقع رفتار پزشکی تأکید دارد. ظهور دستگاه های هوشمند قابل کاشت (ایمپلنت) و پوشیدنی، خانه های هوشمند و سیستم عامل های اطلاعات سلامت هوشمند متصل به فناوری IoT راه حلی برای این وضعیت ارائه می دهد. 

نسل سوم دستگاه های پوشیدنی و قابل کاشت می توانند حسگرهای پیشرفته، ریزپردازنده ها و ماژول های بی سیم را با هم تلفیق کرده و مصرف انرژی را بهبود بخشند، راحتی را بهبود ببخشند و اجازه دهند داده ها با اطلاعات بهداشتی ترکیب شوند، و به طور هوشمند شاخص های مختلف فیزیولوژیکی بیماران را بصورت هوشمند درک و کنترل کنند. 

از طرف دیگر، این روش شامل جهشی چشمگیر از نظارت صرف وقایع به درک مستمر و مراقبت یکپارچه است. این امر همچنین خطرات مرتبط با بیماری ها را کاهش می دهد در حالی که پیش بینی بیماری را برای موسسات پزشکی آسان می کند.

ظهور تلفن های هوشمند، ساعت های هوشمند و غیره ابزار جدیدی برای انواع نظارت را فراهم می کند. تلاش شده است حسگرهای مرتبط با کارکردهای زیستی انسان نیز در تلفن های هوشمند ادغام شوند. ضمن بهبود بیشتر قابلیت حمل و به همراه داشتن این وسایل، کاربران می توانند از یک تلفن هوشمند با کارایی بالا برای کنترل راحت تر محیط پیرامون و بدن و سلامتی خود استفاده کنند.

خانه های هوشمند به افراد مسن و معلول در کارهای خانه کمک می کنند. خانه های هوشمند خانه ها یا آپارتمان های ویژه ای با انواع حسگرها و سنسورها هستند که در زیرساخت های مسکونی ادغام شده اند و علائم فیزیکی و محیط پیرامون ساکنان را کنترل می کنند. خانه های هوشمند همچنین عملیاتی را انجام می دهند که آسایش زندگی را نیز بهبود می بخشند. 

نقش خانه های هوشمند در مراقبت های بهداشتی عمدتا به دو جنبه تقسیم می شود: 

• اتوماسیون خانه
• نظارت بر سلامت

این فناوری ها می توانند ضمن جمع آوری داده های بهداشتی و سلامت، به برخی از روندهای روتین نیز کمک کنند، به افرادی که نیاز به مراقبت دارند کمک می کنند تا وابستگی خود را به ارائه دهندگان خدمات بهداشتی کاهش دهند و کیفیت زندگی خود را در خانه بهبود بخشند.

افراد مبتلا می توانند از طریق برنامه ها و یک بستر اطلاعات سلامت، شرایط خود را مدیریت کنند. به عنوان مثال، سیستم تشخیص و کاهش استرس با استفاده از یک حسگر پزشکی پوشیدنی به طور مداوم سطح فشار بدن انسان را کنترل می کند و به طور خودکار به بدن کمک می کند تا استرس را کاهش دهد. 

همچنین می توان داده های بهداشتی را از چندین دستگاه پرتابل و قابل حمل در سیستم های تصمیم گیری بالینی ادغام کرد، یک سیستم پشتیبانی تصمیم سلسله مراتبی است که می تواند از داده های جمع آوری شده برای تشخیص بیماری موثر استفاده کامل کند. 

ضمن کمک به تصمیم گیری بالینی، می تواند خطرات احتمالی را برای بیماران پیش بینی کند و از طریق پردازش های ابری و داده های بزرگ از قبل به شما مشاوره مورد نیازتان را بدهد. ایده دیگر ایجاد فریم ورک mHealth متن باز این است که به پزشکان، بیماران، محققان و دیگران امکان می دهد با کاهش موانع محاسباتی، پزشکان، بیماران، محققان و دیگران را درگیر کند و این امکان را به بیماران می دهد تا به راحتی به مشاوره و خدمات پزشکی از راه دور دسترسی داشته باشند، در حالی که پزشکان می توانند وضعیت بیمار را به صورت در لحظه و پویا کنترل کنند. 

پزشکان همچنین می توانند توسط متخصصان و محققان حرفه ای تر کمک شوند. معماری سیار مانند m-Health می تواند به کاهش خطاهای پزشکی، کاهش دشواری درمان پزشکی، بهبود به موقع، در دسترس بودن خدمات پزشکی و ارائه گزینه مختلف که از نظر اقتصادی بهینه است برای خدمات بهداشتی به انسان ها کمک کند.

پیشگیری از بیماری و پایش خطر

پیش بینی خطر ابتلا به بیماری سنتی عمومی توسط دست اندرکاران و مقامات بهداشتی برای جمع آوری اطلاعات بیماران، مقایسه این اطلاعات با دستورالعمل های سازمان های معتبر و در نهایت انتشار نتایج این دست آورد هاست. البته این روش به لحاظ زمانی تاخیراتی دارد و توصیه های دقیقی به افراد ارائه نمی دهد. پیش بینی خطر بیماری تحت مراقبت های بهداشتی هوشمند پویا، شخصی و مبتی بر فرد است. 

این امر بیماران و پزشکان را قادر می سازد تا با مشارکت فعالانه و مستمر خطر بیماری را کنترل کرده و بر اساس نتایج نظارت های خود، پیشگیری هدفمندی را انجام دهند. مدل جدید پیش بینی خطر بیماری، داده ها را از طریق دستگاه های پوشیدنی و برنامه های هوشمند جمع آوری می کند، آنها را از طریق شبکه در ابر بارگذاری می کند و نتایج را بر اساس الگوریتم های مبتنی بر داده بزرگ تجزیه و تحلیل می کند تا نتایج را در به صورت لحظه ای از طریق سرویس پیام کوتاه به کاربران اطلاع دهد. 

همچنین این امر که اقدامات به این شیوه در تشخیص و درمان به موقع بسیار موثر است نیز اثبات شده است. این سرویس ها به پزشکان و بیماران کمک می کنند تا رفتارهای پزشکی و سبک زندگی خود را در هر زمان تنظیم کنند و همچنین به تصمیم گیرندگان در تهیه استراتژی های بومی بهداشت برای دستیابی به هدف کاهش خطر انواع بیماری کمک می کنند. 

به عنوان مثال، در مطالعه ای با هدف پیشگیری از دیابت با پیش بینی رفتار گلوکز خون پس از غذا، پس از نظارت بر رفتار گلوکز خون ۸۰۰ نفر و در ۴۶۸۹۸ وعده غذایی در هفته برای این افراد، محققان از الگوریتم هایی استفاده کردند که پارامترهای گلوکز خون، عادات غذایی، آنتروپومتری، فعالیت بدنی، میکروبیوتای روده و سایر عوامل برای موفقیت در پیش بینی تغییرات پاسخ گلیسمی و کاهش خطر دیابت را از طریق یک رژیم غذایی شخصی بررسی میکرد. 

دستیاران مجازی

دستیار مجازی یک موجود نیست، بلکه یک الگوریتم است. دستیاران مجازی از طریق تکنیک هایی مانند تشخیص گفتار با کاربران ارتباط برقرار می کنند، برای بدست آوردن منابع اطلاعاتی به داده های بزرگ متصل هستند و مطابق با ترجیحات یا نیازهای کاربر پس از محاسبات پاسخ می دهند. 

Microsoft Cortana (ردموند، واشنگتن، ایالات متحده آمریکا)، Google Assistant (مانتین ویو، کالیفرنیا، ایالات متحده) و Apple Siri (کوپرتینو، کالیفرنیا، ایالات متحده) همه دستیارهای مجازی هستند. دستیاران مجازی از تجربه اطلاعات و فناوری درک زبان برای کمک به کاربران در انجام کارهای مختلف، از ایجاد یادآوری گرفته تا اتوماسیون خانگی، استفاده می کنند.

در مراقبت های بهداشتی هوشمند، دستیاران مجازی عمدتا نقش پلی را برای برقراری ارتباط با پزشکان، بیماران و موسسات پزشکی بر عهده می گیرند. آنها خدمات پزشکی را راحت تر می کنند و برای بیماران، دستیار مجازی می تواند به راحتی و با استفاده از اصطلاحات پزشکی از طریق دستگاه هوشمند، زبان روزمره و مشترک را به زبان دیگری تبدیل کند تا با دقت بیشتری به دنبال خدمات پزشکی مربوطه باشد. 

برای پزشکان، دستیار مجازی می تواند به طور خودکار به اطلاعات مربوطه مبتنی بر اطلاعات اساسی و بالینی بیمار پاسخ دهد، به پزشکان کمک می کند تا بیماران را مدیریت کنند و روشهای پزشکی را با راحتی بیشتری هماهنگ کنند. 

به طوری که پزشکان می توانند در وقت بیشتری صرفه جویی کنند. برای موسسات پزشکی، استفاده از دستیاران مجازی می تواند تا حد زیادی باعث صرفه جویی در نیروی انسانی و منابع مادی شود و به طور موثرتری به نیازهای همه طرفها پاسخ دهد. 

از فناوری Nuance همچنین می توان برای دستیابی به گفتگو بین دستیاران مختلف مجازی، به ویژه بین دستیاران عمومی و دستیاران بسیار تخصصی استفاده کرد، و در نتیجه تجربه شرکت کنندگان خدمات پزشکی را بسیار بهبود می بخشد. همچنین از دستیارهای مجازی می توان برای کمک به درمان بیماریها استفاده کرد، مانند استفاده از دستیارهای مجازی برای بهبود سلامت روان انسان، که می تواند وضعیت تعداد ناکافی روان درمانگران انسانی را بهبود بخشد و سلامت روحی را برای بیماران بیشتری به ارمغان بیاورد.

بیمارستانهای هوشمند

مراقبت های بهداشتی هوشمند از سه مولفه مهم تشکیل شده است: 

• منطقه ای
• بیمارستانی
• خانوادگی

بیمارستانهای هوشمند برای بهبود روشهای مراقبت از بیمار و ارائه خدمات جدید، به محیط های مبتنی بر فناوری اطلاعات و ارتباطات، خصوصاً محیط های مبتنی بر بهینه سازی اینترنت اشیا و فرآیندهای خودکار و اتوماسیون شده، متکی هستند.

سه نوع خدمات اصلی برای بیمارستانهای هوشمند وجود دارد: 

• خدمات برای کارکنان پزشکی
• خدمات برای بیماران
• خدمات برای مدیران

خواسته های کاربران سرویس سلامت هوشمند باید در تصمیمات مدیریت بیمارستان در نظر گرفته شود. در مدیریت بیمارستان، بستر اطلاعاتی که چندین سیستم آنلاین مبتنی بر اینترنت اشیا را ادغام می کند، دستگاه های دیجیتال، ساختمانهای هوشمند و پرسنل را به هم متصل می کند. این فناوری همچنین می تواند برای شناسایی و نظارت بر بیماران در بیمارستان ها، مدیریت روزانه کادر پزشکی و ردیابی ابزارها و نمونه های بیولوژیکی مورد استفاده قرار گیرد. 

مراقبت های بهداشتی هوشمند همچنین در صنعت داروسازی برای تولید و گردش دارو، مدیریت موجودی کالا، تشخیص موارد تقلبی و سایر فرآیندها استفاده می شود. برای دستیابی به گردش ایمن، قابل اعتماد، پایدار و کارآمد مواد بیمارستانی، از طریق فناوری RFID می توان به هر فرد یک برچسب RFID اختصاص داد و اطلاعات را می توان در یک پایگاه داده ذخیره کرد که به راحتی از طریق دستگاه های تلفن همراه قابل ردیابی و دسترسی است. ایجاد یک سیستم مدیریت یکپارچه می تواند عملکرد هایی مانند تخصیص منابع، تجزیه و تحلیل کیفیت و تجزیه و تحلیل عملکرد را تحقق بخشد، و می تواند هزینه های پزشکی را کاهش دهد، حداکثر استفاده از منابع را به همراه داشته و به بیمارستان ها کمک کند تا در مورد توسعه های خود تصمیم گیری کنند. 

از نظر تجربه بیمار، بیماران می توانند به چندین روش مانند سیستم معاینه فیزیکی، قرار ملاقات های آنلاین و تعاملات پزشک و بیمار به صورت آنلاین دسترسی داشته باشند. این سیستم های خودکار، فرآیند های درمان پزشکی بیماران را به اختصار نشان می دهد. بیماران مدت زمان کمتری منتظر میمانند و خدمات بیشتری دریافت می کنند. در مجموع، ادغام، پالایش و اتوماسیون مسیرهای آینده بیمارستان های هوشمند هستند.

کمک به تحقیقات دارویی

با استفاده از داده های بزرگ و هوش مصنوعی در تحقیقات علمی، تحقیق و توسعه در زمینه داروشناسی دقیق تر و راحت تر خواهد شد. یک فرآیند کامل تولید دارو شامل غربالگری هدف، کشف دارو، آزمایشات بالینی و موارد دیگر است. غربالگری هدف داروهای سنتی از طریق داروهای شناخته شده با مولکولهای مختلف هدف بالقوه در بدن انسان، عبور می کند تا نقاط عملکرد موثری پیدا کند. این روش نه تنها کند است، بلکه اغلب نادیده گرفته می شود. غربالگری خودکار اثرات داروها و اهداف توسط هوش مصنوعی سرعت غربالگری را بسیار افزایش داده است.

به عنوان مثال، شناسایی پروتئین های متصل به اسید ریبونوکلئیک در اسکلروز جانبی آمیوتروفیک و مطالعات ژنومیک بر روی تومورها با استفاده از سیستم واتسون انجام شد. علاوه بر این، سیستم هوش مصنوعی همچنین می تواند آخرین اطلاعات را از دنیای خارج در لحظه جمع آوری کند و می تواند روند غربالگری را در هر زمان بهینه یا اصلاح کند.

پژوهش بر روی داروها عمدتا به غربالگری با بازده بالا بستگی دارد. تعداد زیادی از ترکیبات به صورت خودکار سنتز شده و یکی یکی امتحان می شوند. با این حال، با افزایش انواع ترکیبات، هزینه و خطر آن نیز افزایش می یابد. استفاده از هوش مصنوعی برای غربالگری دارو به صورت مجازی می تواند به طور موثری این مشکل را حل کند. از طریق پیش غربالگری رایانه ای، می توان تعداد مولکول های دارویی را که در واقع غربال می شوند، کاهش داد. همچنین می تواند کارایی کشف ترکیبات سرب را بهبود بخشد و فعالیت احتمالی مولکول های دارو را پیش بینی کند، ترکیبات بالقوه را پیدا کند و در نهایت مجموعه ای از ترکیبات با خصوصیات مناسب را ایجاد کند.

آزمایشات بالینی داروها شامل استفاده ترکیبی از اینترنت اشیا، داده های بزرگ و هوش مصنوعی است. ابتدا، استفاده از هوش مصنوعی برای تجزیه و تحلیل و مطابقت تعداد زیادی از موارد می تواند غربالگری برای معیارهای خروج را تسهیل کند و مناسب ترین افراد هدف را تعیین کند، در زمان جذب افراد و در بهبود هدف قرار دادن جمعیت هدف، صرفه جویی کند.

پس از آن، بیماران در لحظه و با استفاده از دستگاه های پوشیدنی هوشمند تحت نظارت قرار می گیرند تا اطلاعات حساس تر و دقیق تری مانند استفاده از دستگاه های هوشمند برای نظارت بر آزمایش های بالینی بیماری هایی مانند بیماری های ریه را به دست آورند. در طراحی پروتکل آزمایش، مشارکت فناوری هایی مانند بلاکچین نیاز است، زیرا بلاکچین می تواند محافظت از بیمار و اعتبار آزمایش را افزایش دهد. همچنین نیاز است همه داده ها در بستری مناسب برای تجزیه و تحلیل محققان جمع آوری و پالایش و آنالیز شوند.

مشکلات و راه حل ها

از زمان ظهور مراقبت های بهداشتی هوشمند، مفاهیم و سیستم های بالغ شکل گرفته اند. با این حال، با ظهور فناوری های جدید و مشکلات جدید، هنوز فضای قابل توجهی برای توسعه وجود دارد و اکنون چالش های بسیاری در حال پدید آمدن است. در حال حاضر، مراقبت های بهداشتی هوشمند فاقد راهنمای کلان و اسنادسازی های برنامه ای است که منجر به اهداف توسعه نامشخص و در نهایت اتلاف منابع می شود.

علاوه بر این، موسسات پزشکی، فاقد استانداردهای یکنواخت در مناطق مختلف و سازمان های مختلف هستند، و بهبود تضمین یکپارچگی داده ها نیز به عنوان امری حیاتی مورد نیاز است. مقدار داده ها بسیار پیچیده و بیش از حد زیاد است که منجر به مشکلاتی در اشتراک داده و ارتباطات می شود. همچنین سازگاری بین سیستم عامل ها و دستگاه های مختلف مشکلاتی دارد. از دیدگاه بیمار، مراقبت های بهداشتی هوشمند فاقد هنجارهای قانونی مربوطه است، و خطرات مربوط به اطلاعات شخصی و نقض حریم خصوصی است.

برخی از کاربران حتی در استفاده از این فناوری مشکل دارند. از نظر فنی، برخی از فناوری های مربوط به مراقبت های بهداشتی هوشمند هنوز در مراحل آزمایشی هستند و برای نگهداری و ارتقا به بودجه زیادی از سمت دولت ها و بخش خصوصی نیاز دارند. نیز در صورت استفاده شتاب زده از این زیرساخت ها، خطر ناشناخته ای نیز وجود دارد و ممکن است سلامت بیماران را تهدید کند.

بنابراین، برای حل مشکلات فوق الذکر، باید بر روی دو جنبه متمرکز شویم: فناوری و مقررات. در مرحله اول و از منظر فناوری، ما می توانیم بلوغ و ثبات فن آوری های مرتبط را از طریق به روزرسانی ها و ایرادزدایی ها بهبود و سرعت بخشیم. بهبود توانایی تجزیه و تحلیل اطلاعات از داده های بزرگ نیز مهم است. ثانیا، ایجاد یک استاندارد فنی واحد برای دستیابی به حداکثر سازگاری بین دستگاه ها و سیستم عامل های مختلف مهم است.