Óriási változás készül a magyar rendelőkben – Minden betegre hatással lesz
Olyan újítás érkezik a magyar klinikákra, amelynek hatását hamarosan minden páciens megtapasztalja.
Sóbors
Ez is érdekelhet
Top olvasott cikkek
-
01 -
02 -
03 -
04 -
05
A jövő mesterséges intelligenciára épülő betegellátásának alapját nem önmagában az algoritmusok, hanem az általuk létrehozott és feldolgozott nagy mennyiségű klinikai adat strukturált kezelése jelenti – mondja kutatásira alapozva dr. Bagdy-Bálint Réka, a Semmelweis Egyetem Fogorvostudományi Kar (FOK) Gyermekfogászati és Fogszabályozási Klinikájának tanársegéde. PhD-kutatásában egy mesterséges intelligenciával támogatott röntgenelemző rendszert és egy strukturált adatgyűjtésre épülő diagnosztikai infrastruktúrát integrált egy folyamatoptimalizált rendszerbe, amely csökkenti a diagnosztikai és adminisztratív terheket, támogatja a klinikai döntéshozatalt, és megalapozza az adatvezérelt kutatás és betegellátás jövőjét. Munkájáért elnyerte a Semmelweis Innovációs Díjat.
Óriási újítás a rendelőkben: AI segíti a fogászati ellátást
Több mint egy évtizedes klinikai gyakorlattal és oktatási tapasztalattal a háta mögött dr. Bagdy-Bálint Réka gyermekfogorvos és fogszabályozó szakorvos azt a szemléletet hozta magával családjából, hogy a gyógyítás alapja a szakmai tudás mellett a betegre fordított figyelem és idő. Ez inspirálta PhD-kutatásának kiválasztásakor is: olyan folyamatoptimalizált rendszert szeretett volna létrehozni, amely a strukturált adatgyűjtés és a mesterséges intelligencia (AI) segítségével tehermentesíti az orvosokat, hogy több idő jusson a betegekre.
A FOK Gyermekfogászati és Fogszabályozási Klinika tanársegéde elmondta: klinikájukon napi 200 gyermek páciens is megfordul, és a kar összességében évente akár 500 ezer beteget is ellát. Ez nemzetközi összehasonlításban is jelentős betegforgalom, amely komoly feladatot ró az itt dolgozókra, ugyanakkor a fogászati diagnosztika során keletkező adatok és tapasztalatok jelentős kutatási lehetőséget is jelentenek a kar számára – tette hozzá a szakember a Semmelweis oldalán.
- PhD-kutatása során hamar világossá vált számára, hogy a fogászati kutatások egyik legnagyobb akadálya a strukturált, jól elemezhető adatok hiánya. „A fogszabályozásban egy kezelés 2-3 évig is eltarthat, ezalatt pedig a különböző vizsgálatokból származó adatok gyakran széttagoltan, különböző rendszerekben vagy szabad szöveges dokumentációban rögzülnek. Ez jelentősen megnehezíti a nagy esetszámú klinikai kutatásokat. A valódi kihívás nem az adatok mennyisége, hanem azok strukturált összekapcsolása. Ez indított el azon az úton, hogy olyan integrált rendszert hozzak létre, amely a mindennapi betegellátás során automatikusan épít egy strukturált klinikai regisztert, amely a kutatás és a jövő automatizált döntéstámogató rendszereinek alapjául szolgál – emelte ki a kutató.
PhD-munkájának középpontjában az úgynevezett kefalometriai analízis, azaz a fej, az állcsontok és fogak egymáshoz viszonyított helyzetének pontos és villámgyors, AI által támogatott kiértékelése is állt. A kefalometriai analízis a fogszabályozás egyik alapvető diagnosztikai vizsgálata, amely az oldalirányú koponyaröntgenen végzett mérések segítségével támogatja a kezelési terv elkészítését.
- A röntgenfelvételt korábban az asztali átvilágítóra helyeztük, arra pauszpapírt rögzítettünk, majd ceruzával jelöltük be az anatómiai mérőpontokat. A méréseket vonalzóval és szögmérővel végeztük, számológéppel számoltunk. Ez egy gyakorlott szakembernek egy félórás művelet volt. Később ezt egy szoftver segítségével mintegy 6 perc alatt végeztük el. Az általunk annotált mintegy 1400 röntgenfelvétel alapján, informatikusokkal együttműködve betanított modell pedig ennek töredéke alatt elvégzi a kiértékeléseket az erre a célra megalkotott szoftverben, ami nagyon jelentős segítség számunkra – mutatta be a digitalizáció és az AI előnyeit.
- Kutatásomban felmértem a strukturált leletezés nemzetközi trendjeit és az elektronikus egészségügyi dokumentációs rendszereket, majd ezekre építve kialakítottam egy fogszabályozási kérdőívrendszert, és párhuzamosan klinikai környezetben implementáltuk az AI-alapú kefalometriai röntgenelemző szoftvert. Az AI pontosságát a szakértői kiértékeléssel összehasonlítva megállapíthattam, hogy az AI a legtöbb mérési pont esetében konzisztensebb teljesítményt nyújt, miközben a kiértékelés ideje kevesebb mint fél másodpercre csökkent – ismertette.
A mérések és betegellátás során keletkező adatokat összegyűjtő regisztert a Semmelweis Egyetem Klinikai Adatszolgáltató Intézet által létrehozott biobank hálózatba integrálták, majd a rendszert több fogorvosi szakterületre is kiterjesztette a kutató, létrehozva egy komplex klinikai fogorvostudományi regisztert.
- A betegellátás és az AI elemzések során keletkező adatokat ebben a folyamatosan bővülő adatbázisban gyűjtjük, amely a jövő mesterséges intelligencia alapú fejlesztéseinek is alapját képezheti – mutatott rá dr. Bagdy-Bálint Réka.
Újrakezdeni és megérkezni - Amikor a változás nem lezárás, hanem egy új kezdet.
Van, amikor mi döntünk a változás mellett, máskor az élet kényszerít rá. Az újrakezdés sosem könnyű, mégis ezek a fordulópontok visznek közelebb ahhoz, akik valójában vagyunk. A Femina Klub évadnyitó estjén D. Tóth Kriszta és Pataki Ági személyes történeteiken keresztül mesélnek november 16-án a MOMkultban az újrakezdésekről, az önismeretről, a döntésekről és azokról a fordulópontokról, amelyek végül közelebb vitték őket önmagukhoz.
Promóció
AI-alapú kefalometriai elemző szoftver működik máshol is a világban, ugyanakkor olyan komplex regiszterrel, amely a fotók, a 2D és 3D képalkotó vizsgálatok AI-alapú kiértékeléseit, valamint más fogorvosi adatok eredményeit strukturált adatbázis-háttérrel – például a biobank hálózattal – kapcsolja össze, és egyszerre több fogorvosi szakterületet is kiszolgál, eddig nem találkozott – hívta fel a figyelmet a kutató.
- Az AI diagnosztikára és a strukturált adatokra épülő döntéstámogató rendszerek nem az orvos helyett döntenek, hanem segítik a munkáját. A döntéseket továbbra is az orvos hozza meg, és a felelősséget is ő viseli, viszont jelentős segítség, amikor például egy betegnek több évtizedes életútját kell azonnal átlátnia a döntéseihez – emelte ki.
A tervekről elmondta: egy legalább 5 évnyi adatot tartalmazó adatbázisból már néhány kattintással lekérdezhető számos olyan releváns összefüggés, amely a kezelésekben, akár a prevencióban is segítségükre lehet. Ilyen például az egyes betegségek vagy például a dohányzás hatásai a fogmozgatásra, vagy az alkalmazott gyógyszerek és fogászati beavatkozások közötti összefüggések, amelyeket a hagyományos, „kartonos” adatnyilvántartással csak hosszú és körülményes átnézéssel lehet felderíteni. Egy ilyen méretű adatbázis a jövő AI-alapú predikciós és kockázatbecslő modellek fejlesztésének is alapját képezheti.
- Ezekkel a rendszerekkel folyamatosan monitorozhatjuk is az ellátást, hogy milyen hatékonysággal dolgozunk, hol vannak hiányosságok, hova kell több erőforrást befektetni, vagy akár hogy milyen eredménye van a prevenciónak a gyermekfogászatban – sorolta az előnyöket dr. Bagdy Bálint Réka. A kutató szerint az ilyen adatvezérelt megközelítés hosszú távon tovább erősítheti a Semmelweis Egyetem nemzetközi tudományos szerepét a fogorvostudományi kutatásokban és innovációban.
Fehér foltok a fogakon: mi az a fluorózis, és hogyan kezelhető?
A fluorózis gyermekkorban előzhető meg, felnőttkorban már csak kezelhető.
ElolvasomFotók: Getty Images
