До цього часу медицина була престижним і часто надзвичайно прибутковий вибір професії. Але чи найближчим часом нам буде потрібно стільки лікарів, скільки зараз? Чи ми побачимо значне безробіття в медицині в найближче десятиліття?

Доктор Саксон Сміт, президент Австралійської медичної асоціації NSW, йдеться у звіті наприкінці минулого року що найпоширеніші занепокоєння, які він чує від навчальних лікарів та студентів-медиків,-"яке майбутнє медицини?" і "чи матиму я роботу?". Відповіді, за його словами, продовжують уникати його.

Оскільки австралійські, британські та американські університети продовжують випускати все більшу кількість студентів -медиків, очевидним є питання, де ці нові лікарі працюватимуть у майбутньому?

Чи буде збільшена роль медичних працівників через наше старіння населення? Або тиск на скорочення витрат при одночасному поліпшенні результатів, ймовірно, змусить прийняти нову технологію, яка тоді, ймовірно, знизить кількість ролей, які зараз виконують лікарі?

Зниження витрат

Це знають усі уряди, пацієнти та лікарі у всьому світі доведеться скоротити витрати на охорону здоров’я якщо ми хочемо лікувати більше людей. Деякі пропонують змусити пацієнтів платити більше, але як би ми не платили за це, зрозуміло, що зниження вартості - це те, що має статися.

Застосування медичні роботи для допомоги хірургам -людям набуває все більшого поширення, але поки що вони використовуються для покращення результатів лікування пацієнтів, а не для зменшення вартості операції. Зростання цієї роботизованої технології може призвести до економії витрат пізніше.

Саме в галузі медичної діагностики багато людей бачать можливе значне скорочення витрат, одночасно підвищуючи точність використання технологій замість лікарів -людей.

Це вже звично для аналізи крові та генетичне тестування (геноміка) здійснюватись автоматично та дуже рентабельно машинами. Вони аналізують зразок крові і автоматично складають звіт.

Тести можуть бути такими ж простими, як рівень гемоглобіну (аналіз крові) до аналізів діабету, таких як рівень інсуліну або глюкози. Вони також можуть бути використані для набагато складніших тестів, таких як вивчення генетичного складу людини.

Хорошим прикладом є компанія Thyrocare Technologies Ltd у Мумбаї, Індія, де більше ніж 100,000 XNUMX діагностичних тестів з усієї країни надходять щовечора, а звіти надходять протягом 24 годин після забору крові у пацієнта.

Машини проти людей

Якщо машини можуть читати аналізи крові, що ще вони можуть зробити? Хоча багатьом лікарям ця думка не сподобається, будь -який тест, який вимагає розпізнавання образів, в кінцевому підсумку буде зроблений краще а машина, ніж людина.

Багато захворювань потребують патологічного діагнозу, коли лікар переглядає зразок крові або тканини, щоб встановити точне захворювання: аналіз крові для діагностики інфекції, біопсію шкіри, щоб визначити, чи є ураження раком чи ні, і зразок тканини взятий хірургом, який прагне поставити діагноз.

Усі ці приклади і фактично всі патологічні діагнози ставить лікар за допомогою розпізнавання образів для визначення діагнозу.

Методи штучного інтелекту з використанням глибоких нейронних мереж, які є типом машинного навчання, можна використовувати для навчання цих діагностичних машин. Машини швидко навчаються, і ми говоримо не про одну машину, а про мережу машин, пов’язаних у всьому світі через Інтернет, які використовують свої об’єднані дані для подальшого вдосконалення.

Це не станеться за одну ніч - це займе деякий час, щоб навчитися, - але після тренування машина буде тільки вдосконалюватися. Згодом належно навчена машина стане кращою у розпізнаванні образів, ніж будь -яка людина.

Патологія зараз справа багатомільйонних лабораторій, що спираються на економію від масштабу. Щоб закінчити середню школу, потрібно близько 15 років патологоанатом функціонувати самостійно. Ймовірно, потрібно ще 15 років, щоб патологоанатом став таким хорошим, як вони коли -небудь будуть.

Через кілька років вони підуть на пенсію, і всі ці знання та досвід втрачаються. Звичайно, було б краще, якби ці знання могли бути захоплені та використані майбутніми поколіннями? Робот -патолог може зробити це саме так.

Рентгенологія, рентген і не тільки

Радіологічні випробування є причиною більш 2 мільярди доларів США щорічних витрат на Medicare. У звіті 2013 року було підраховано, що в період 2014-15 рр. 33,600,000 XNUMX XNUMX рентгенологічних досліджень буде виконуватися в Австралії. Радіолог повинен вивчити кожен з них і написати звіт.

Радіологи вже читають у середньому більше ніж у сім разів більше кількості досліджень на день, ніж це було п’ять років тому. Ці звіти, подібно до тих, які написали патологи, ґрунтуються на розпізнаванні образів.

В даний час багато рентгенологічних випробувань, проведених в Австралії, читаються рентгенологами в інших країнах, наприклад у Великобританії. Замість того, щоб експерт з Австралії вставав з ліжка о 3 годині ночі, щоб прочитати сканування мозку пораненого пацієнта, зображення можна надіслати в цифровому вигляді до лікаря в будь -якому відповідному часовому поясі і повідомити про нього майже миттєво.

Що, якби машини навчили читати рентгенівські промені, працюючи спочатку з людьми-радіологами, а врешті-решт замість них? Чи буде нам все -таки потрібна людина рентгенологи? Ймовірно. Покращена візуалізація, така як МРТ та КТ, дозволить рентгенологам виконувати деякі процедури, які зараз проводять хірурги.

Сфера діагностичної радіології швидко розширюється. У цій галузі радіологи можуть діагностувати та лікувати такі стани, як кровотеча з кровоносних судин. Це робиться за допомогою малоінвазивних методів, пропускаючи дроти через більші судини, щоб досягти точки кровотечі.

Тож рентгенологи можуть в кінцевому підсумку робити процедури, які зараз роблять судинні та кардіохірурги. Поширене використання роботизованої хірургії означатиме, що це швидше за все.

Є ще багато чого діагностика ураження шкіри, висип або зростання, ніж просто дивитися на це. Але більшість діагнозів ґрунтується на тому, що дерматолог розпізнає поразку (знову ж таки, розпізнавання малюнка).

Якщо діагноз залишається неясним, деяка тканина (біопсія) надсилається в лабораторію для патологічного діагнозу. Ми вже встановили, що машина може читати останні. Цей же принцип застосовується і до розпізнавання ураження шкіри.

Після виявлення та вивчення ураження можна буде розпізнати знову. Мобільні телефони з високоякісними камерами зможуть посилатися на глобальну базу даних, яка, як і будь-яка інша база даних з можливістю навчання, продовжуватиме вдосконалюватися.

Це не якщо, а коли

Ці зміни не відбудуться за одну ніч, але вони неминучі. Хоча багато лікарів сприйматимуть ці зміни як загрозу, шанс на глобальне благо є безпрецедентним.

Рентген, зроблений в екваторіальній Африці, можна читати з такою ж достовірністю, як той, зроблений в австралійському центрі досконалості. Інфекційну висип можна завантажити на телефон і негайно поставити діагноз. Буде врятовано багато життів, а вартість медичної допомоги бідним у світі може бути мінімальною і, у багатьох випадках, безкоштовною.

Щоб це стало реальністю, знадобляться фахівці, які працюватимуть з машинами і допоможуть їм навчитися. Спочатку машини можуть попросити зробити більш прості тести, але поступово їх навчать, так само як люди вивчають більшість речей у житті.

Професія лікаря повинна використовувати ці можливості для змін, а наші майбутні молоді лікарі повинні добре подумати, де будуть лежати медичні посади майбутнього. Майже напевно, що медичний ландшафт через 15 років не буде виглядати таким, яким ми бачимо сьогодні.

про автора

Росс Кроуфорд, професор ортопедичних досліджень Квінслендського технологічного університету; Анджалі Джайпракаш, науковий співробітник докторантури, медична робототехніка, Квінслендський технологічний університет, і Джонатан Робертс, професор робототехніки Квінслендського технологічного університету

Ця стаття була спочатку опублікована на Бесіда. Читати оригінал статті.

Пов’язана книга:

at

Дякуємо за відвідування InnerSelf.com, де є 20,000 + статті, що змінюють життя, пропагуючи «Нові погляди та нові можливості». Усі статті перекладено на 30+ мов. Підписуватися для журналу InnerSelf, що виходить щотижня, та щоденного натхнення Марі Т. Рассел. Журнал InnerSelf видається з 1985 року.