DOI: https://doi.org/10.1038/s41746-024-01340-0
PMID: https://pubmed.ncbi.nlm.nih.gov/39567723
تاريخ النشر: 2024-11-20
المؤلف: Christian Rose وآخرون
الموضوع الرئيسي: أنظمة السجلات الصحية الإلكترونية
المناقشة
تسلط المناقشة الضوء على الإمكانات التحويلية للذكاء الاصطناعي (AI) في الرعاية الصحية، لا سيما بالتزامن مع السجلات الصحية الإلكترونية (EHRs). لقد أدى اعتماد السجلات الصحية الإلكترونية إلى توليد بيانات صحية رقمية واسعة، والتي تشكل أساسًا لتدريب خوارزميات الذكاء الاصطناعي. يعد هذا التكامل بتحسين رعاية المرضى من خلال كشف الأنماط، وتوقع النتائج، ودعم اتخاذ القرارات السريرية، مما قد يحسن نتائج المرضى، ويزيد من الكفاءة، ويقلل من التكاليف والأخطاء. ومع ذلك، تثير الورقة أسئلة حاسمة حول فعالية الذكاء الاصطناعي مقارنة بأنظمة التنبيه التقليدية وتؤكد على الحاجة إلى التعلم من التحديات السابقة المرتبطة بتنفيذ السجلات الصحية الإلكترونية.
أحد الدروس الرئيسية هو ضرورة تصميم موجه نحو المستخدم ودمج سير العمل لأنظمة الذكاء الاصطناعي لتجنب الفخاخ التي تم تجربتها مع السجلات الصحية الإلكترونية، مثل إرهاق الأطباء وانخفاض تفاعل المرضى. يدعو المؤلفون إلى عملية تطوير تعاونية تشمل مدخلات من الأطباء، وعلماء البيانات، وخبراء تجربة المستخدم. يجب تصميم أدوات الذكاء الاصطناعي لتعزيز، بدلاً من استبدال، اتخاذ القرارات السريرية، تعمل كمعينات معرفية تعزز من خبرة الأطباء وتساهم في النهاية في نظام رعاية صحية تعليمية أكثر فعالية.
DOI: https://doi.org/10.1038/s41746-024-01340-0
PMID: https://pubmed.ncbi.nlm.nih.gov/39567723
Publication Date: 2024-11-20
Author(s): Christian Rose et al.
Primary Topic: Electronic Health Records Systems
Discussion
The discussion highlights the transformative potential of artificial intelligence (AI) in healthcare, particularly in conjunction with electronic health records (EHRs). The adoption of EHRs has generated extensive digital health data, which serves as a foundation for training AI algorithms. This integration promises to enhance patient care by uncovering patterns, predicting outcomes, and supporting clinical decision-making, potentially improving patient outcomes, increasing efficiency, and reducing costs and errors. However, the paper raises critical questions about the effectiveness of AI compared to traditional alert systems and emphasizes the need to learn from past challenges associated with EHR implementation.
A key takeaway is the necessity of user-centered design and workflow integration for AI systems to avoid the pitfalls experienced with EHRs, such as physician burnout and decreased patient interaction. The authors advocate for a collaborative development process that includes input from clinicians, data scientists, and user experience experts. AI tools should be designed to augment, rather than replace, clinical decision-making, functioning as cognitive aids that enhance physician expertise and ultimately contribute to a more effective learning healthcare system.