Краткое изложение моего интервью с дипломированной медсестрой-травматологом (RN). Это одно из моих 18 интервью с клиницистами для получения степени магистра здравоохранения (ссылка здесь) для Школы общественного здравоохранения Калифорнийского университета в Беркли.
Посетите мой сайт Укрепление доверия и внедрение машинного обучения в здравоохранении (ссылка здесь), чтобы ознакомиться с сокращенной и полной версиями моего диплома в области здравоохранения, а также с предстоящими резюме интервью и дополнительных исследований.
Обратите внимание, что это интервью представляет собой обезличенное резюме для простоты чтения и обеспечения конфиденциальности. Он был одобрен для распространения интервьюируемым.
«Иногда компьютеры действительно знают больше, чем мы, так что это не самое худшее».
История работы
Я дипломированная медсестра в травматологических отделениях двух больниц системы здравоохранения. Я ожидаю, что буду работать у постели больного всю свою карьеру — возможно, еще 30 лет — и не буду заниматься администрированием.
Знание ML в здравоохранении
Для начала, что вы слышали об искусственном интеллекте и/или машинном обучении в здравоохранении?
Я никогда не слышал слов «машинное обучение» или «ИИ» в сфере здравоохранения.
Прошлое и будущее использование
Использовали ли вы какие-либо инструменты машинного обучения? Не могли бы вы?
Я не уверен, что это ML, но в нашей EHR есть всплывающие окна, которые мигают, когда мы видим пациентов. Они предупреждают нас, когда происходит или может произойти что-то плохое. Например, прогнозирование сепсиса — важная вещь в здравоохранении. В нашей электронной медицинской карте есть уведомление, в котором сообщается, когда показатели жизненно важных функций пациента могут свидетельствовать о риске сепсиса, и мы ссылаемся на него в большинстве наших вопросов о сепсисе. Иногда компьютеры на самом деле знают больше, чем мы, так что это не самое худшее, что может быть.
Есть также уведомления о критических показателях жизнедеятельности, которые предупреждают нас, когда что-то не так — либо ошибки, введенные человеком, либо что-то действительно не так с пациентом. У нас также есть уведомление о пневмонии, которое учитывает как основные демографические данные, так и основные показатели жизнедеятельности, а затем предлагает наборы заказов. Опять же, я не знаю, является ли это ML.
Иногда я знаю, что мне дали неправильную рекомендацию, и есть много шагов, чтобы избавиться от уведомления — например, одна минута — что очень важно в нашем травматологическом отделении. Кроме того, в то время как некоторые медсестры думают, что эти уведомления подрывают, я должен сказать, что есть несколько моментов, когда я знаю, что они спасли жизни пациентов.
Использование уведомлений очень тщательно отслеживается, и их несоблюдение влечет за собой последствия. Например, инкриминируется, когда стреляют, а ты не соглашаешься, и человек умирает.
Волнение и беспокойство
Что вас беспокоит или волнует в сфере машинного обучения в здравоохранении? Что еще вас волнует или беспокоит?
Эти уведомления EHR великолепны, и если ML может делать больше подобных вещей, то я очень рад использовать ML в здравоохранении. Пожилые клиницисты просто не в курсе всех клинических исследований и передового опыта. Кроме того, есть только некоторые не столь квалифицированные клиницисты, которые нуждаются в этих помощниках.
Мне трудно сказать, о чем я беспокоюсь, так как я не очень этого вижу. А может я и вижу, но не знаю. Меня немного беспокоит, что компьютер дает нам рекомендации, хотя я знаю, что они не могут уловить все, что мы видим, слышим и думаем. Например, неприятно видеть, как эти уведомления срабатывают, когда они «видят», что увеличение частоты дыхания пациента имеет клиническое значение, в то время как я стою в комнате и на самом деле вижу, что это просто потому, что пациент плачет. Кроме того, важно, чтобы компьютер улавливал вещи, на которые, по вашему мнению, должен быть способен человек. Люди могут ослабить свои клинические суждения, если решат во всем полагаться на компьютер.
Я не знаю, как бы я себя чувствовал, если бы пациент попал в отделение неотложной помощи и попал под компьютерную сортировку. Есть врожденное человеческое качество — желание заботы со стороны человека. Если бы существовала система, которая могла бы проводить сортировку пациентов без участия человека, люди были бы расстроены. Когда люди болеют, они хотят эмоциональной связи с человеком. Они чувствуют себя самыми больными людьми в мире и хотят, чтобы кто-то обратил на них внимание. Если бы они увидели робота, то подумали бы, что о них не заботятся.
Знание машинного обучения и объяснимость модели
На каком уровне вам нужно понять, как модель делает свой прогноз?
Не так много. Мы используем эту систему уведомлений, и мы не знаем точно, что их вызывает, и всякий раз, когда мы спрашиваем, никто нам не говорит — это безумие. Я спросил технического преподавателя, и они не знали! Но, честно говоря, я не нажимал больше, так что я явно не так сильно беспокоюсь.
Желаемые варианты использования
Где есть возможности помочь врачам с отмыванием денег? Представьте себе: технологическая компания мирового класса разработала инструмент машинного обучения, который предлагает возможные диагнозы или сортирует пациентов. Что им лучше построить сейчас и почему?
У нас есть система, которая помогает сортировать пациентов в отделении неотложной помощи. Все начинается с простых вопросов: умрет ли этот человек? Их жизненно важные органы нестабильны? Будут ли они нуждаться в более чем одном клиническом ресурсе? И так далее... Этот индекс на самом деле довольно запутан, и трудно определить, что кто-то нуждается в большом или очень большом количестве клинических ресурсов. Вы могли бы принять гораздо больше пациентов намного быстрее, если бы могли более точно выбирать между различными уровнями сортировки. Если бы существовал инструмент, который более эффективно находил ответы на вопросы индекса, это было бы здорово. Кроме того, большинство отделений неотложной помощи не хотят, чтобы новая медсестра проводила сортировку. Таким образом, мы должны зависеть от ограниченного числа очень опытных медсестер, которые берут на себя эти функции.
Кроме того, очень полезным был бы инструмент сортировки пострадавших. Когда происходит событие с массовыми жертвами, нам нужно быть более мобильными и справляться с огромным потоком людей. Здесь есть много возможностей для машинного обучения, потому что в такие моменты каждый должен действовать как опытная медсестра.
