Частка лікарень США з прогнозним ШІ в електронних медкартках зросла до 71%
У США 71% нефедеральних лікарень невідкладної допомоги у 2024 році повідомили про використання прогнозного штучного інтелекту, інтегрованого з електронними медичними картками. Роком раніше цей показник становив 66%, повідомляє MyJoyOnline з посиланням на наведені у матеріалі дані.
У матеріалі зазначається, що надійність таких систем залежить не лише від алгоритмів, а й від якості, значення, захищеності та простежуваності медичних даних. Заповнена медична картка може бути клінічно оманливою: діагноз для виставлення рахунку не завжди відображає повну картину стану пацієнта, лабораторний показник може містити неправильну одиницю вимірювання, а часова позначка — фіксувати внесення інформації до системи, а не саму медичну подію.
Обмін даними не усуває помилок
Автор звертає увагу на проблему сумісності інформаційних систем. Стандарт FHIR полегшує представлення та обмін медичними даними, однак не може виправити помилки у первинній інформації або узгодити різні визначення. Дві системи здатні успішно передати одне значення, але інтерпретувати його по-різному.
Більше актуальних новин читайте у Telegram-каналі UA.News.
Правило Центрів послуг Medicare і Medicaid США щодо сумісності систем і попереднього погодження передбачає, що платники, на яких воно поширюється, мають упровадити або оновити низку програмних інтерфейсів FHIR. Терміни дотримання вимог щодо таких інтерфейсів загалом починаються у 2027 році.
Моделі потребують постійного контролю
Системи ШІ мають тестуватися саме в тих умовах, де їх застосовуватимуть. Дослідження моделей для виявлення пневмонії на рентгенівських знімках грудної клітки показали, що моделі, навчені на даних однієї лікарняної системи, часто працювали гірше на даних інших медзакладів. На результати можуть впливати відмінності у складі пацієнтів, поширеності захворювань, обладнанні, робочих процесах і практиках кодування.
У 2024 році 79% лікарень, що використовували прогнозний ШІ, повідомили про певне оцінювання після впровадження. Водночас не всі перевіряли більшість або всі свої моделі, а 18% респондентів не знали, чи здійснювався такий моніторинг. Оцінювання має охоплювати не тільки точність, а й калібрування, прогностичну цінність, роботу для різних груп пацієнтів, зовнішню й часову валідацію та вплив на клінічні процеси.
