Sehingga kini, perubatan telah menjadi berprestij dan sering sangat lumayan pilihan kerjaya. Tetapi pada masa akan datang, akan kita memerlukan seberapa banyak doktor seperti yang kita ada sekarang? Adakah kita akan melihat pengangguran perubatan yang penting dalam dekad yang akan datang?

Dr Saxon Smith, presiden cawangan Persatuan Perubatan Australia NSW, kata dalam laporan lewat tahun lepas bahawa kebimbangan yang paling biasa mereka dengar dari doktor dalam latihan dan pelajar perubatan adalah, "apa yang masa depan perubatan?" dan "Saya akan mempunyai pekerjaan?". Jawapan, katanya, terus mengelakkan diri daripada dia.

Oleh kerana universiti-universiti Australia, British dan Amerika terus lulus semakin ramai pelajar perubatan, persoalan yang jelas adalah di mana doktor-doktor baru akan bekerja di masa depan?

Adakah terdapat peluasan peranan profesional perubatan akibat populasi yang berumur kami? Atau tekanan untuk mengurangkan kos sambil meningkatkan kemungkinan keputusan untuk memaksa penggunaan teknologi baru, yang akan kemudian mungkin menghakis bilangan peranan yang kini dilakukan oleh doktor?

Memandu mengurangkan kos

Semua kerajaan, pesakit dan doktor di seluruh dunia tahu bahawa kos penjagaan kesihatan perlu mengurangkan jika kita merawat lebih ramai orang. Ada yang mencadangkan agar pesakit membayar lebih banyak, tetapi bagaimanapun kita membayarnya, jelas bahawa memacu kos ke bawah adalah apa yang perlu berlaku.

Penggunaan robot perubatan untuk membantu pakar bedah manusia menjadi lebih meluas tetapi, setakat ini, mereka sedang digunakan untuk mencuba dan meningkatkan hasil pesakit dan tidak mengurangkan kos pembedahan. Penjimatan kos boleh datang kemudian apabila teknologi robotik ini matang.

Ia adalah di bidang diagnostik perubatan di mana ramai orang melihat kemungkinan pengurangan kos yang signifikan di samping meningkatkan ketepatan oleh menggunakan teknologi dan bukannya doktor manusia.

Ia sudah biasa bagi ujian darah and pengujian genetik (genomik) yang akan dilaksanakan secara automatik dan sangat kos efektif dengan mesin. Mereka menganalisis spesimen darah dan secara automatik menghasilkan laporan.

Ujian ini boleh semudah tahap hemoglobin (penghitungan darah) melalui ujian kencing manis seperti tahap insulin atau glukosa. Mereka juga boleh digunakan untuk ujian yang jauh lebih rumit seperti melihat kepada solek genetik seseorang.

Satu contoh yang baik adalah Thyrocare Technologies Ltd di Mumbai, India, di mana lebih daripada 100,000 ujian diagnostik dari seluruh negara dilakukan setiap petang, dan laporan yang dihantar dalam jam 24 diambil dari pesakit.

Mesin vs manusia

Jika mesin boleh membaca ujian darah, apa lagi yang boleh mereka lakukan? Walaupun ramai doktor tidak menyukai pemikiran ini, sebarang ujian yang memerlukan pengiktirafan pola akhirnya akan dilakukan dengan lebih baik oleh a mesin daripada manusia.

Banyak penyakit memerlukan diagnosis patologi, di mana doktor melihat sampel darah atau tisu, untuk mewujudkan penyakit dengan tepat: ujian darah untuk mendiagnosis jangkitan, biopsi kulit untuk menentukan sama ada luka yang adalah kanser atau tidak dan sampel tisu diambil oleh seorang pakar bedah mencari untuk membuat diagnosis.

Semua contoh-contoh ini, dan sebenarnya semua diagnosis patologi dibuat oleh doktor menggunakan pengenalan corak untuk menentukan diagnosis.

teknik kecerdasan buatan menggunakan rangkaian neural dalam, yang merupakan jenis pembelajaran mesin, boleh digunakan untuk melatih mesin diagnostik. Mesin belajar dengan cepat dan kami tidak bercakap mengenai mesin tunggal, tetapi rangkaian mesin dikaitkan di peringkat global melalui internet, menggunakan data yang dikumpulkan mereka untuk terus bertambah baik.

Ia tidak akan berlaku dalam sekelip mata - ia akan mengambil sedikit masa untuk belajar - tetapi apabila dilatih mesin hanya akan terus menjadi lebih baik. Dengan masa, mesin yang dilatih sewajarnya akan menjadi lebih baik pada pengiktirafan corak daripada mana-mana manusia yang dapat menjadi.

Patologi sekarang adalah suatu perkara yang bernilai berjuta-juta dolar makmal bergantung kepada skala ekonomi. Ia mengambil masa lebih kurang 15 tahun daripada meninggalkan sekolah tinggi untuk melatih pakar patologi untuk berfungsi secara bebas. Ia mungkin mengambil masa 15 lagi untuk ahli patologi untuk menjadi sebaik yang mereka akan.

Beberapa tahun selepas itu, mereka akan bersara dan semua pengetahuan dan pengalaman itu hilang. Tentunya, lebih baik jika ilmu itu dapat ditangkap dan digunakan oleh generasi akan datang? Ahli patologi robotik akan dapat melakukannya.

Radiologi, X-ray dan seterusnya

Akaun ujian radiologi selama lebih AUS $ 2 bilion daripada Medicare tahunan menghabiskan. Dalam laporan 2013, dianggarkan bahawa dalam tempoh 2014-15 itu, Siasatan radiologi 33,600,000 akan dilakukan di Australia. Seorang ahli radiologi perlu mengkaji setiap satu daripada ini dan menulis laporan.

Radiologi sudah membaca, secara purata, lebih daripada tujuh kali bilangan kajian sehari berbanding lima tahun yang lalu. Laporan ini, seperti yang ditulis oleh ahli patologi, adalah berdasarkan pengiktirafan corak.

Pada masa ini, banyak ujian radiologi yang dilakukan di Australia sedang dibaca oleh radiologi di negara lain, seperti UK. Daripada mempunyai pakar di Australia keluar dari katil di 3am untuk membaca imbasan otak pesakit yang cedera, imej itu boleh dihantar secara digital kepada doktor di mana-mana zon masa yang sesuai dan dilaporkan hampir dengan serta-merta.

Bagaimana jika mesin diajar untuk membaca X-ray yang bekerja pada mulanya dengan, dan akhirnya bukan, ahli radiologi manusia? Adakah kita masih perlukan manusia? radiologi? Mungkin. pengimejan diperbaiki, seperti MRI dan CT scan, akan membolehkan ahli radiologi untuk melaksanakan beberapa prosedur yang Pakar Bedah kini menjalankan.

Bidang radiologi diagnostik berkembang pesat. Dalam bidang ini, ahli radiologi dapat mendiagnosis dan merawat keadaan seperti pembuluh darah yang berdarah. Ini dilakukan dengan menggunakan teknik invasif minima, melewati wayar melalui saluran yang lebih besar untuk mencapai titik pendarahan.

Oleh itu, ahli radiologi mungkin berakhir melakukan prosedur yang sedang dilakukan oleh vaskular dan pakar bedah jantung. Peningkatan penggunaan pembedahan dibantu robot bermakna ini adalah lebih cenderung daripada tidak.

Terdapat banyak lagi mendiagnosis luka kulit, Ruam atau pertumbuhan daripada sekadar melihat. Tetapi banyak diagnosis adalah berdasarkan kepada ahli dermatologi mengiktiraf lesi (sekali lagi, pengiktirafan corak).

Jika diagnosis masih tidak jelas maka beberapa tisu (biopsi) akan dihantar ke makmal untuk diagnosis patologi. Kami telah ditubuhkan bahawa mesin yang boleh membaca kedua. Prinsip yang sama terpakai kepada pengiktirafan lesi kulit.

Sebaik sahaja diiktiraf dan dipelajari, lesi akan dapat diiktiraf sekali lagi. Telefon mudah alih dengan kamera berkualiti tinggi akan dapat dipautkan ke pangkalan data global yang, seperti mana-mana pangkalan data lain dengan keupayaan pembelajaran, terus bertambah baik.

Ia bukan jika, tetapi bila

Perubahan ini tidak akan berlaku semalaman, tetapi ia tidak dapat dielakkan. Walaupun ramai doktor akan melihat perubahan ini sebagai ancaman, peluang untuk kebaikan global tidak pernah berlaku sebelum ini.

Satu sinar X yang diambil di Afrika khatulistiwa boleh dibaca dengan kebolehpercayaan yang sama seperti yang diambil di pusat kecemerlangan Australia. Ruam berjangkit boleh dimuat naik ke telefon dan diagnosis diberikan dengan serta-merta. Banyak nyawa akan diselamatkan dan kos penjagaan kesihatan kepada golongan miskin di dunia boleh menjadi minima dan, dalam banyak kes, bebas.

Untuk ini menjadi kenyataan, ia akan mengambil pakar-pakar untuk bekerja dengan mesin dan membantu mereka belajar. Pada mulanya, mesin mungkin akan diminta untuk melakukan ujian yang lebih mudah tetapi secara beransur-ansur mereka akan diajar, sama seperti manusia belajar kebanyakan perkara dalam kehidupan.

Profesion perubatan harus memahami peluang-peluang ini untuk perubahan, dan doktor muda masa depan kita perlu berfikir dengan teliti di mana pekerjaan perubatan masa depan akan berbohong. Ia adalah hampir pasti bahawa landskap pekerjaan perubatan dalam 15 tahun tidak akan kelihatan seperti yang kita lihat hari ini.

Tentang Pengarang

Ross Crawford, Profesor Penyelidikan Ortopedik, Universiti Teknologi Queensland; Anjali Jaiprakash, Fellow Penyelidik Pasca Doktor, Robotik Perubatan, Universiti Teknologi Queensland, dan Jonathan Roberts, Profesor dalam Robotik, Universiti Teknologi Queensland

Artikel ini pada asalnya diterbitkan pada Perbualan. Membaca artikel asal.

Tempah berkaitan:

at

Terima kasih kerana melawat InnerSelf.com, mana ada 20,000 + rencana mengubah hidup yang mempromosikan "Sikap Baharu dan Kemungkinan Baharu." Semua artikel diterjemahkan ke dalam 30+ bahasa. Langgan kepada Majalah InnerSelf, diterbitkan setiap minggu, dan Inspirasi Harian Marie T Russell. lahirnya Magazine telah diterbitkan sejak tahun 1985.