هند تقریباً 20,000 رادیولوژیست دارد که به جمعیتی بیش از 1.4 میلیارد نفر خدمات ارائه میدهند، که نشان میدهد این کشور تقریباً یک رادیولوژیست برای هر 100,000 نفر دارد. این رقم به طور قابل توجهی کمتر از میانگین جهانی 4.2 رادیولوژیست به ازای هر 100,000 نفر تا سال 2023 است. بار تشخیصی بسیار زیاد است و تنها یک رادیولوژیست برای تفسیر هر 100 اسکن انجام شده روزانه در دسترس است.
اسپارک رادیولوژی (SPARK Radiology)، پلتفرم SPARK.ai را راهاندازی کرده است. این پلتفرم یک پلتفرم رادیولوژی یکپارچه با هوش مصنوعی است که برای کاهش فرسودگی شغلی، افزایش دقت تشخیصی و تسهیل گردش کار برای رادیولوژیستها طراحی شده است. این راهاندازی اولین حضور آن در فضای فناوری مراقبتهای بهداشتی هند را نشان میدهد.
SPARK.ai این شکاف حیاتی را تشخیص داده و کاراییهای مجهز به هوش مصنوعی را معرفی کرده است که وعده میدهد حجم کاری اداری را کاهش داده و در عین حال تشخیص سریعتر و دقیقتر را امکانپذیر میسازد.
این پلتفرم برداشتهای رادیولوژیست از تشخیص را به طور دقیق شناسایی کرده و آنها را در الگو (Template) ادغام میکند. این امر نیاز به یک واسطه برای تایپ و بایگانی دستی گزارش را از بین میبرد.
ما اینجا هستیم تا به رادیولوژیستها اجازه دهیم بر تصمیمات پیچیده و نجاتدهنده زندگی که برای آن آموزش دیدهاند تمرکز کنند، در حالی که فناوری ما بقیه کارها را انجام میدهد.
الیسون گارزا (Allison Garza)، مدیرعامل اسپارک رادیولوژی، این را گفت. رادیولوژیستها در خط مقدم تشخیص قرار دارند، اما بخش قابل توجهی از زمان آنها صرف کارهای اداری تکراری میشود. وی افزود: این پلتفرم برای بازگرداندن آن زمان به آنها ساخته شده است.
این پلتفرم در کلینیکها، بیمارستانها و مراکز تشخیصی مستقل آزمایش شده است و قابلیتهای آن در طول چند ماه اصلاح شده است. این پلتفرم به طور یکپارچه با سیستمهای موجود مانند PACS ادغام میشود و از یک نمایشگر سربالا (HUD) برای کمک به رادیولوژیستها در مستندسازی یافتهها در زمان واقعی، از طریق گزارشهای ساختاریافته خودکار و الگوهای هوشمند استفاده میکند.
سورش جوئل (Suresh Joel)، مدیر ارشد فناوری اسپارک رادیولوژی، گفت: هیچ چیزی از طریق SPARK.ai از دست نمیرود و یا به خودی خود اضافه نمیشود.
وی افزود: این پلتفرم به رفع شکافهای ارتباطی بین رادیولوژیست و تندنویس کمک میکند، که مدتهاست در محیطهای پرحجم چالش برانگیز بوده است.
دکتر آشا اوسپ، رادیولوژیست، خاطرنشان کرد: واحدهای اندازهگیری برای اندازه کلیه و اندازه سنگ گاهی اوقات هنگام انجام دستی میتوانند نادرست باشند. با سونوگرافی، کمک از یک تندنویس در دسترس است، اما با سیتیاسکن (CT scan) و امآرآی (MRI)، همه چیز منحصراً توسط پزشک انجام میشود.
طراحی بصری پلتفرم همچنین به الگوهای قابل تنظیم اجازه میدهد تا با ترجیحات فردی یا سازمانی سازگار شوند، سرعت را تا 50٪ و دقت در تولید گزارش را افزایش میدهد.
گارزا افزود: دستیابی به سرعت تشخیص صدا با دقت بالا یک چالش اساسی بود و ما از ماه نوامبر در حال تنظیم دقیق این محصول بودهایم.
نتیجه یک راه حل است که نه تنها زمانهای گردش کار را کاهش میدهد، بلکه دقت را نیز بهبود میبخشد.
با توجه به اینکه بازار فناوری سلامت هند پیشبینی میشود تا سال مالی 2028 به نزدیک به 60 میلیارد دلار برسد، راهاندازی SPARK.ai با یک فشار بزرگتر به سمت تشخیصهای مجهز به هوش مصنوعی همسو است. این پلتفرم با حذف گلوگاههای دستی و کاهش فرسودگی شغلی، امیدوار است رادیولوژیستها را برای مقابله با خواستههای رو به رشد توانمند سازد.
Rad AI، Rayscape و Aidoc پلتفرمهایی هستند که گردش کار رادیولوژی را ساده میکنند و کارهای تکراری را خودکار میکنند. در عین حال، SPARK.ai به عنوان یکی از اولین راه حلهای توسعه یافته در هند متمایز است.
دکتر جوئل گفت: ادغام هوش مصنوعی در رادیولوژی چیزی فراتر از یک بهبود عملیاتی است. این یک گام به سوی ساختن یک اکوسیستم مراقبتهای بهداشتی قویتر و مقیاسپذیرتر است.
با استفاده از این پلتفرم، مراکز تشخیصی میتوانند دامنه دسترسی خود را گسترش دهند، منابع را بهینه کرده و در نهایت مراقبت بهتری از بیمار ارائه دهند.
آنچه واقعاً SPARK.ai را متمایز میکند، رویکرد انسانمحور آن است. این پلتفرم که با همکاری رادیولوژیستها ساخته شده است، نه تنها کاربردی است، بلکه عمیقاً با نیازهای استفادهکنندگان از آن همدلی دارد. سیستم HUD، قابلیتهای پر کردن خودکار و الگوهای ساختاریافته آن به کاهش بار شناختی و سادهسازی کارهای تکراری کمک میکند.
هدف ما این است که اطمینان حاصل کنیم رادیولوژیستها درگیر ناکارآمدیها نشوند. SPARK.ai به طور یکپارچه ادغام میشود، با خواستههای سازمانی رشد میکند و مهمتر از همه، حول محور افرادی که از آن استفاده میکنند، متمرکز است.
گارزا گفت.
در همین حال، بر اساس مطالعهای که در مجله انفورماتیک تصویربرداری در پزشکی (Journal of Imaging Informatics in Medicine) منتشر شده است، مدلهای زبانی بزرگ (LLM) میتوانند به طور بالقوه تغییرات بازهای را در گزارشهای رادیولوژی طولی ردیابی کنند. این مطالعه نشان میدهد که LLMها میتوانند به طور موثر یافتهها را شناسایی و تغییرات در گزارشهای رادیولوژی را نظارت کنند، در حالی که با فعالیت ایمن در شبکه داخلی یک مؤسسه، حریم خصوصی بیمار را حفظ میکنند. این رویکرد با افزودن اتوماسیون به فرآیندی که مستلزم آن است که رادیولوژیستها یافتههای مرتبط را به صورت دستی مطابقت دهند، باعث صرفهجویی در زمان میشود.