AI vs. człowiek. Czy użycie sztucznej inteligencji w badaniach holterowskich Holter EKG może zastąpić specjalistę?
Skontaktuj się z nami!

W świecie coraz prężniej rozwijającej się sztucznej inteligencji (AI), wkraczającej w kolejne sfery życia, zaczynają pojawiać się pytania dotyczące jej wykorzystania. Wraz z zachodzącymi zmianami na rynku pracy pytanie to szczególnie pojawia się wśród pracowników kolejnych branży, w tym również medycznej. Sztuczna inteligencja coraz częściej zaczyna być używana do analizy danych medycznych jako pomoc w przyspieszeniu pracy specjalistów. Pojawia się jednak pytanie: czy w medycynie AI będzie w stanie zastąpić człowieka, tak jak w niektórych dziedzinach, gdzie automatyzacja skutecznie eliminuje czynnik ludzki oraz czy byłoby to bezpieczne rozwiązanie, gdy w grę wchodzi ludzkie zdrowie i życie? 

 

AI przyspiesza i automatyzuje procesy związane z analizą zapisu z holtera EKG, które przy około 80.000-120.000 uderzeń serca na dzień, są bardziej czasochłonne w przypadku analizowania ich jedynie przez człowieka. Badania przeprowadzone na 82 pacjentach, w tym na stu 7-dniowych sygnałach EKG porównywały skuteczność analizy AI do analizy przeprowadzonej przez wyspecjalizowanych techników EKG. Wykazano, że korelacja pomiędzy wykrywaniem AF przez AI i kardiologów jest na poziomie 99.8% (Hennings i inni, 2023). Słusznie podnoszone jest zatem pytanie czy czynnik ludzki w analizie sygnału EKG w ogóle jest potrzebny? 

 

Sztuczna inteligencja (AI) nie może być jedynym “podmiotem” analizującym EKG, czy dokonującym diagnozy na jego podstawie. Niektóre procesy, które dotąd trzeba było wykonywać manualnie mogą zostać zautomatyzowane i dzięki swej precyzji stać się podporą dla pracowników medycznych. Dzięki usprawnieniu ich pracy, AI będzie miało realny wpływ na szybkość dokonywania analiz, raportów i  diagnoz co może przyczynić się do skrócenia kolejek do specjalistów, którzy korzystając z narzędzi sztucznej inteligencji nie będą musieli sami analizować dziesiątek i setek tysięcy uderzeń pojedynczo, jedno po drugim. AI może stać się pomocne również w sytuacji niedoboru wyspecjalizowanego personelu medycznego, dzięki temu ta sama liczba pracowników będzie mogła analizować więcej sygnałów EKG w krótszym czasie, wypełniając tym samym ewentualne braki kadrowe.

 

Sztuczna inteligencja (AI) to potężne narzędzie, które — odpowiednio wykorzystane — może znacząco wspomóc sektor medyczny, zwłaszcza w dziedzinie kardiologii. Nie zastąpi jednak w pełni pracy wykwalifikowanego specjalisty. Dlatego kluczowe jest, aby oprogramowanie do analizy badań Holter EKG, wykorzystujące algorytmy AI, zapewniało jak najwyższą jakość wyników i automatyzowało czynności, które w tradycyjnych systemach wymagają żmudnej, ręcznej pracy — tak, aby maksymalnie skrócić czas potrzebny specjaliście na opis badania. W efekcie może to znacząco przyspieszyć pracę lekarzy i techników, przyczynić się do tworzenia bardziej precyzyjnych raportów i diagnoz oraz zmniejszyć kolejki do specjalistów.

 

Cardiomatics to oparte na sztucznej inteligencji (AI), chmurowe oprogramowanie klasy medycznej (CE/MDR) do analizy badań Holter EKG. System wykorzystuje klinicznie zwalidowane algorytmy AI, które zapewniają precyzyjne i wysokiej jakości wyniki.

Dzięki automatyzacji i nowoczesnemu sposobowi obsługi, w tym interaktywnemu panelowi raportu Holter EKG, specjaliści w szpitalach oraz przychodniach AOS i POZ mogą skrócić czas opisu badania nawet o 80%, a czas oczekiwania pacjenta na diagnozę — o 36%.

Obecnie z rozwiązania korzysta kilkaset placówek medycznych w 10 krajach na świecie, w tym Szpital Uniwersytecki w Bazylei, Cornell University oraz American Heart of Poland.

(Dowiedz się więcej) https://cardiomatics.com/pl/klinika/ 

 

Bibliografia:

Hennings, E., Coslovsky, M., Paladini, R. E., Aeschbacher, S., Knecht, S., Schlageter, V., Krisai, P., Badertscher, P., Sticherling, C., Osswald, S., Kühne, M., Zuern, C. S., & Swiss-AF Investigators (2023). Assessment of the atrial fibrillation burden in Holter electrocardiogram recordings using artificial intelligence. Cardiovascular digital health journal, 4(2), 41–47. https://doi.org/10.1016/j.cvdhj.2023.01.003

Skontaktuj się z nami!