Վերջին տարիներին առողջապահության ոլորտում արհեստական բանականության (ԱԲ) ներդրումը դարձել է բժշկական տեխնոլոգիաների զարգացման առաջնահերթ ուղղություններից մեկը: ԱԲ ալգորիթմները բարձր արդյունավետություն են ցուցաբերում ախտորոշման, հիվանդությունների կանխատեսման, բժշկական պատկերների մշակման և կլինիկական տվյալների մեծ ծավալների վերլուծության առաջադրանքներում: Նման լուծումների կիրառումը նպաստում է ախտորոշման ճշգրտության բարձրացմանը, ռեսուրսների օպտիմիզացմանը և բժշկական սպասարկման որակի բարելավմանը:

Այս համատեքստում ուշագրավ է Հայաստանի փորձը, որտեղ մշակվել է արհեստական բանականության տեխնոլոգիաների կիրառմամբ լաբորատոր հետազոտությունների ավտոմատացված վերլուծության առաջին տեղական լուծումը: Այս քայլը արտացոլում է թվային գործիքների աճող ինտեգրումը ազգային առողջապահական համակարգում և հնարավորություններ է բացում անհատականացված բժշկության և թվային ախտորոշման ուղղությամբ հետագա զարգացման համար:

Հայաստանի մոտեցումը առողջապահությունում ԱԲ ներդրմանը

Հայաստանի առողջապահության նախարար Անահիտ Ավանեսյանի խոսքով՝ արհեստական բանականության կիրառումը թույլ է տալիս գտնել ավելի արդյունավետ լուծումներ բժշկության ոլորտում: Այս տեխնոլոգիաներն աջակցում են ինչպես բժիշկներին, այնպես էլ հիվանդներին՝ նպաստելով առողջական վիճակի մասին տեղեկացվածության բարձրացմանը և դրա նկատմամբ ավելի պատասխանատու վերաբերմունքի ձևավորմանը: Նախարարի կարծիքով՝ առանց նման թվային գործիքների անհնար է լիարժեք լուծել առողջապահական համակարգի առջև ծառացած խնդիրները:

Ավանեսյանը նշել է, որ Հայաստանը ցուցաբերում է պատրաստակամություն նորարարական տեխնոլոգիական լուծումներ ներդնելու հարցում՝ միաժամանակ կարևորելով դրանց պատշաճ օգտագործման ապահովումը: Առաջնահերթ են մնում բժշկական տվյալների անվտանգության, բժշկական գաղտնիության պահպանման և էթիկական չափանիշների հետ կապված հարցերը: Տվյալների վերլուծության և կառավարման գործընթացների համապարփակ կարգավորման համար անհրաժեշտ են օրենսդրական համապատասխան փոփոխություններ, ընդգծել է նա:

Գործնականում, շարունակել է նախարարը, արհեստական բանականության գործիքներն արդեն կիրառվում են, այդ թվում՝ մամոգրաֆիայի սկրինինգային ծրագրերում, որտեղ ԱԲ-ն օգտագործվում է որպես որոշումների կայացման աջակցման գործիք: Երկարաժամկետ հեռանկարում նման տեխնոլոգիաները կդառնան առողջապահության անբաժան մաս՝ նպաստելով տվյալների ավելի ճշգրիտ վերլուծությանը և կլինիկական որոշումների կայացմանը, վստահ է նա: Այնուամենայնիվ, ախտորոշում կատարելու և բուժման մարտավարություն ընտրելու վերջնական պատասխանատվությունը կմնա բժշկական մասնագետների վրա: ԱԲ-ի ռացիոնալ և էթիկապես հիմնավորված օգտագործումը դառնում է դրա կայուն ներդրման հիմնական պայմանը:

Այսօրվա մամուլի ասուլիսի ընթացքում ներկայացվել է արհեստական բանականության տեխնոլոգիաների կիրառմամբ լաբորատոր հետազոտությունների ավտոմատացված վերլուծության առաջին տեղական լուծումը, որը հնարավոր է դարձել BLOOD CELLS լաբորատորիայի և Docus ընկերության համատեղ ջանքերով:

Հարթակի ֆունկցիոնալ հնարավորությունները և զարգացման հեռանկարները

Docus ընկերության տնօրեն Ռոբերտ Սարգսյանը, ներկայացնելով մշակումը, նշել է, որ նախագծի նպատակն է լաբորատոր հետազոտությունների արդյունքների խորը վերլուծության ապահովումը՝ հիվանդին հստակ և հասանելի բացատրություններ տրամադրելով: Բացի ցուցանիշների մեկնաբանությունից, հարթակը կառաջարկի, թե որ մասնագետին դիմել՝ կախված հայտնաբերված շեղումների բնույթից:

Համակարգը նախատեսում է հիշեցումների մեխանիզմ հիվանդների համար, ինչը կամրապնդի հիվանդի և բժշկի փոխգործակցությունը, ինչպես նաև կբարձրացնի կանխարգելիչ միջոցառումների արդյունավետությունը: Հատուկ ուշադրություն է դարձվել միացման հարմարավետությանը. լաբորատոր հետազոտությունների ավարտից հետո ԱԲ ալգորիթմը կատարում է վերլուծություն, որի հիման վրա ստեղծվում է անհատականացված հղում: BLOOD CELLS լաբորատորիան հղումն ուղարկում է հիվանդին SMS-ով և էլեկտրոնային նամակով, ինչը ապահովում է հետազոտությունների արդյունքներին անմիջական մուտք:

Հարթակը բժիշկներին տրամադրում է ընդլայնված կլինիկական վերլուծություն՝ հաշվի առնելով հիվանդի անհատական անամնեզը: Համակարգը ձևակերպում է հայտնաբերված շեղումների հնարավոր բացատրություններ, առաջարկում է դիֆերենցիալ ախտորոշում և, անհրաժեշտության դեպքում, խորհուրդ է տալիս լրացուցիչ հետազոտություններ՝ պատճառները ճշտելու համար: Սա նպաստում է ավելի ճշգրիտ կլինիկական գնահատմանը և օպտիմալ բուժական ռազմավարության ձևավորմանը:

Սարգսյանի խոսքով՝ ապագայում նախատեսվում է ինտեգրում պետական ArMed բժշկական հարթակի հետ: Սա թույլ կտա օգտագործել հիվանդի դիտարկումների ամբողջ պատմությունից կուտակված տվյալները՝ ավելի համապարփակ վերլուծություն կատարելու համար: Մշակված ալգորիթմի հիմքում ընկած է ԱԲ մոդել, որը հաջողությամբ անցել է ԱՄՆ-ում բժշկական լիցենզիա ստանալու քննություն՝ ցուցաբերելով միջինից բարձր մակարդակ՝ համեմատած գործող մասնագետների հետ:

Միևնույն ժամանակ, Սարգսյանն ընդգծում է, որ հարթակը չի կայացնում բուժման մասին որոշումներ և չի նշանակում դեղորայք՝ այդ գործառույթները մնում են բացառապես բուժող բժշկի իրավասության մեջ:

Նորարարություններ լաբորատոր ախտորոշման մեջ. BLOOD CELLS-ի մոտեցումը

BLOOD CELLS լաբորատորիաների հիմնադիր Արման Հովհաննիսյանը նշել է, որ Docus հարթակի հետ համագործակցությամբ արհեստական բանականության ներդրումը թույլ է տվել հիվանդներին և բժիշկներին առաջարկել լաբորատոր տվյալների վերլուծության նոր մակարդակ. «Մեր նպատակն է ժամանակակից, ապացույցների վրա հիմնված մոտեցումների ինտեգրումը լաբորատոր ախտորոշման մեջ: Բարձր տեխնիկական և գիտական ներուժի շնորհիվ մենք հիվանդներին ապահովել ենք արդյունքների հասանելի բացատրություն, իսկ բժիշկներին՝ ավելի ճշգրիտ որոշումներ կայացնելու գործիք: Նման լուծումները բարձրացնում են քաղաքացիների իրազեկվածությունը առողջության մասին և նպաստում նրանց ավելի ակտիվ մասնակցությանը բժշկական գործընթացներին»:

Հովհաննիսյանը նաև ընդգծել է, որ մինչև գործարկումը հարթակը անցել է համապարփակ ստուգում և փորձարկում, ներառյալ ալգորիթմների ճշգրտության գնահատում: Միայն հաջող փորձարկումից հետո այն ներդրվել է պրակտիկայում:

Նա նաև տեղեկացրել է, որ ԱԲ-ն կարող է առաջարկել լրացուցիչ անալիզներ՝ շեղումներ հայտնաբերելու դեպքում, և հիվանդին հնարավորություն է տալիս անմիջապես գրանցվել հետազոտության: Ամենամոտ ապագայում պլանավորվում է գործարկել առցանց հարթակ, որով օգտատերերը կարող են նկարագրել իրենց գանգատները և ստանալ անհրաժեշտ լաբորատոր հետազոտությունների վերաբերյալ առաջարկություններ: