Cho đến bây giờ, y học đã là một uy tín và thường xuyên cực kỳ sinh lợi lựa chọn nghề nghiệp. Nhưng trong tương lai gần, chúng ta sẽ cần nhiều bác sĩ như bây giờ chứ? Chúng ta sẽ thấy thất nghiệp y tế đáng kể trong thập kỷ tới?

Bác sĩ Saxon Smith, chủ tịch của Hiệp hội Y khoa Úc chi nhánh tại NSW, cho biết trong một báo cáo cuối năm ngoái rằng những mối quan tâm phổ biến nhất mà anh ấy nghe được từ các bác sĩ đào tạo và sinh viên y khoa là, thế nào là tương lai của ngành y? Tôi và tôi sẽ có một công việc gì? Các câu trả lời, anh nói, tiếp tục trốn tránh anh.

Khi các trường đại học Úc, Anh và Mỹ tiếp tục tốt nghiệp số lượng sinh viên y khoa ngày càng tăng, câu hỏi rõ ràng là những bác sĩ mới này sẽ làm việc ở đâu trong tương lai?

Sẽ có một vai trò mở rộng cho các chuyên gia y tế do dân số già của chúng tôi? Hoặc là áp lực để giảm chi phí trong khi cải thiện kết quả có khả năng buộc phải áp dụng công nghệ mới, sau đó có thể sẽ làm xói mòn số lượng vai trò hiện đang được thực hiện bởi các bác sĩ?

Giảm chi phí

Tất cả các chính phủ, bệnh nhân và bác sĩ trên khắp thế giới đều biết rằng chi phí chăm sóc sức khỏe sẽ cần phải giảm nếu chúng ta muốn đối xử với nhiều người hơn Một số đề xuất làm cho bệnh nhân trả nhiều tiền hơn, nhưng chúng tôi trả tiền cho nó, rõ ràng rằng giảm chi phí là điều cần phải xảy ra.

Việc sử dụng robot y tế để hỗ trợ bác sĩ phẫu thuật đang trở nên phổ biến hơn, nhưng cho đến nay, chúng đang được sử dụng để cố gắng cải thiện kết quả của bệnh nhân và không làm giảm chi phí phẫu thuật. Tiết kiệm chi phí có thể đến sau khi công nghệ robot này trưởng thành.

Đó là trong lĩnh vực chẩn đoán y tế, nơi nhiều người thấy có thể giảm chi phí đáng kể trong khi cải thiện độ chính xác bằng cách sử dụng công nghệ thay vì bác sĩ của con người.

Nó đã được phổ biến cho xét nghiệm máu và xét nghiệm di truyền (genomics) được thực hiện tự động và rất hiệu quả chi phí bằng máy móc. Họ phân tích mẫu máu và tự động tạo ra một báo cáo.

Các xét nghiệm có thể đơn giản như mức độ huyết sắc tố (công thức máu) thông qua các xét nghiệm về bệnh tiểu đường như nồng độ insulin hoặc glucose. Chúng cũng có thể được sử dụng cho các xét nghiệm phức tạp hơn nhiều như nhìn vào trang điểm di truyền của một người.

Một ví dụ điển hình là Thyrocare Technologies Ltd ở Mumbai, Ấn Độ, nơi có nhiều hơn Xét nghiệm chẩn đoán 100,000 từ khắp nơi trên đất nước được thực hiện vào mỗi buổi tối và các báo cáo được gửi trong vòng vài giờ máu được lấy từ bệnh nhân.

Máy móc với con người

Nếu máy móc có thể đọc các xét nghiệm máu, họ có thể làm gì khác? Mặc dù nhiều bác sĩ sẽ không thích suy nghĩ này, nhưng bất kỳ xét nghiệm nào cần nhận dạng mẫu cuối cùng sẽ được thực hiện tốt hơn bằng cách Máy hơn người.

Nhiều bệnh cần chẩn đoán bệnh lý, trong đó bác sĩ nhìn vào mẫu máu hoặc mô, để xác định chính xác bệnh: xét nghiệm máu để chẩn đoán nhiễm trùng, sinh thiết da để xác định xem tổn thương có phải là ung thư hay không và mẫu mô được thực hiện bởi một bác sĩ phẫu thuật tìm kiếm để chẩn đoán.

Tất cả các ví dụ này, và trên thực tế tất cả các chẩn đoán bệnh lý được thực hiện bởi một bác sĩ sử dụng nhận dạng mẫu để xác định chẩn đoán.

Các kỹ thuật trí tuệ nhân tạo sử dụng các mạng thần kinh sâu, là một loại hình học máy, có thể được sử dụng để huấn luyện các máy chẩn đoán này. Máy học nhanh và chúng ta không nói về một máy duy nhất, mà là một mạng lưới các máy được liên kết toàn cầu thông qua internet, sử dụng dữ liệu gộp của chúng để tiếp tục cải thiện.

Nó sẽ không xảy ra qua đêm - sẽ mất một chút thời gian để tìm hiểu - nhưng một khi được đào tạo, máy sẽ chỉ tiếp tục tốt hơn. Theo thời gian, một cỗ máy được đào tạo phù hợp sẽ vượt trội về nhận dạng mẫu hơn bất kỳ con người nào từng có.

Bệnh học bây giờ là vấn đề của các phòng thí nghiệm trị giá hàng triệu đô la dựa trên quy mô kinh tế. Phải mất khoảng 15 năm kể từ khi rời trường trung học để đào tạo một nhà bệnh học để hoạt động độc lập. Có lẽ phải mất thêm một năm 15 để nhà nghiên cứu bệnh học trở nên tốt như họ từng có.

Vài năm sau đó, họ sẽ nghỉ hưu và tất cả những kiến ​​thức và kinh nghiệm đó đã mất. Chắc chắn, sẽ tốt hơn nếu kiến ​​thức đó có thể được nắm bắt và sử dụng bởi các thế hệ tương lai? Một nhà nghiên cứu bệnh học robot sẽ có thể làm điều đó.

X quang, X-quang và hơn thế nữa

Xét nghiệm phóng xạ chiếm hơn AUS $ 2 tỷ chi tiêu hàng năm của Medicare. Trong một báo cáo 2013, người ta ước tính rằng trong thời kỳ 2014-15, Điều tra phóng xạ 33,600,000 sẽ được thực hiện tại Úc. Một bác sĩ X quang sẽ phải nghiên cứu từng thứ một và viết báo cáo.

Trung bình các bác sĩ X quang đã đọc, trung bình, nhiều hơn bảy lần số lượng nghiên cứu mỗi ngày so với năm năm trước đây. Những báo cáo này, giống như những báo cáo được viết bởi các nhà nghiên cứu bệnh học, dựa trên nhận dạng mẫu.

Hiện nay, nhiều xét nghiệm X quang được thực hiện tại Úc đang được các bác sĩ X quang ở các nước khác đọc, chẳng hạn như Vương quốc Anh. Thay vì nhờ một chuyên gia ở Úc ra khỏi giường tại 3am để đọc quét não bệnh nhân bị thương, hình ảnh có thể được gửi kỹ thuật số đến bác sĩ ở bất kỳ múi giờ thích hợp nào và được báo cáo gần như ngay lập tức.

Điều gì sẽ xảy ra nếu máy móc được dạy đọc tia X làm việc lúc đầu và cuối cùng thay vì các bác sĩ X quang ở người? Chúng ta vẫn cần con người chứ? bác sĩ X quang? Có lẽ. Hình ảnh được cải thiện, chẳng hạn như quét MRI và CT, sẽ cho phép các bác sĩ X quang thực hiện một số thủ tục mà các bác sĩ phẫu thuật hiện đang thực hiện.

Lĩnh vực chẩn đoán X quang đang nhanh chóng mở rộng. Trong lĩnh vực này, các bác sĩ X quang có thể chẩn đoán và điều trị các tình trạng như chảy máu mạch máu. Điều này được thực hiện bằng cách sử dụng các kỹ thuật xâm lấn tối thiểu, đi dây qua các tàu lớn hơn để đến điểm chảy máu.

Vì vậy, các bác sĩ X quang có thể kết thúc làm các thủ tục hiện đang được thực hiện bởi các bác sĩ phẫu thuật mạch máu và tim. Việc tăng cường sử dụng phẫu thuật hỗ trợ robot sẽ có nghĩa là điều này có nhiều khả năng hơn không.

Có rất nhiều để chẩn đoán tổn thương da, phát ban hoặc tăng trưởng hơn chỉ đơn giản là nhìn vào nó. Nhưng phần lớn chẩn đoán dựa trên bác sĩ da liễu nhận ra tổn thương (một lần nữa, nhận dạng mẫu).

Nếu chẩn đoán vẫn chưa rõ ràng thì một số mô (sinh thiết) được gửi đến phòng thí nghiệm để chẩn đoán bệnh lý. Chúng tôi đã thiết lập rằng một máy có thể đọc sau. Nguyên tắc tương tự áp dụng cho việc nhận biết các tổn thương da.

Sau khi được công nhận và học hỏi, tổn thương sẽ có thể được nhận ra một lần nữa. Điện thoại di động có camera chất lượng cao sẽ có thể liên kết với cơ sở dữ liệu toàn cầu, giống như bất kỳ cơ sở dữ liệu nào khác có khả năng học tập, tiếp tục cải thiện.

Không phải là nếu, mà là khi

Những thay đổi này sẽ không xảy ra qua đêm, nhưng chúng là không thể tránh khỏi. Mặc dù nhiều bác sĩ sẽ xem những thay đổi này là một mối đe dọa, cơ hội cho lợi ích toàn cầu là chưa từng có.

Một tia X được chụp ở xích đạo châu Phi có thể được đọc với độ tin cậy tương đương với tia X được chụp ở một trung tâm xuất sắc của Úc. Phát ban truyền nhiễm có thể được tải lên điện thoại và chẩn đoán được đưa ra ngay lập tức. Nhiều sinh mạng sẽ được cứu và chi phí chăm sóc sức khỏe cho người nghèo trên thế giới có thể là tối thiểu và, trong nhiều trường hợp, miễn phí.

Để điều này trở thành hiện thực, sẽ cần các chuyên gia làm việc với máy móc và giúp họ học hỏi. Ban đầu, các máy móc có thể được yêu cầu thực hiện các bài kiểm tra đơn giản hơn nhưng dần dần chúng sẽ được dạy, giống như con người học được hầu hết mọi thứ trong cuộc sống.

Ngành y tế nên nắm bắt những cơ hội này để thay đổi, và các bác sĩ trẻ tương lai của chúng ta nên suy nghĩ cẩn thận nơi các công việc y tế trong tương lai sẽ nằm. Gần như chắc chắn rằng bối cảnh việc làm y tế trong những năm 15 sẽ không giống như chúng ta thấy ngày nay.

Giới thiệu về Tác giả

Ross Crawford, Giáo sư Nghiên cứu Chỉnh hình, Đại học Công nghệ Queensland; Anjali Jaiprakash, Nghiên cứu viên sau tiến sĩ, Robot y học, Đại học Công nghệ Queensland và Jonathan Roberts, Giáo sư Robotics, Đại học Công nghệ Queensland

Bài viết này ban đầu được xuất bản vào Conversation. Đọc ban đầu bài viết.

Sách liên quan:

at

Cảm ơn đã ghé thăm Nội địa.com, ở đâu có 20,000 + những bài báo thay đổi cuộc sống quảng bá "Thái độ mới và những khả năng mới". Tất cả các bài viết được dịch sang Hơn 30 ngôn ngữ. Theo dõi đến Tạp chí Nội tâm, xuất bản hàng tuần và Cảm hứng hàng ngày của Marie T Russell. Tạp chí InsideSelf đã được xuất bản từ năm 1985.