مایکل هچتل (کارشناسی ارشد مهندسی و مدیریت صنایع-سیستمهای اطلاعات و ارتباطات) رئیس ابتکار مشترک مکاترونیک ژاپن و آلمان (MEJOIN) است. او برای موسسه اتوماسیون کارخانه و سیستمهای تولید (FAPS) در Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) کار میکند.
همهگیری COVID-19 به وضوح نشان داده است که فرآیندهای کاری آنالوگ، بهرهوری ما را در تعدادی از بخشها و به ویژه مراقبتهای بهداشتی محدود میکند. اینها افرادی هستند که در مراکز مراقبت، بیمارستانها و شیوههای پزشکان کار میکنند که پیشرفت کند تحول دیجیتال را متحمل میشوند. کارکنان هنوز در شرایط شدید کار میکنند: اضافه کار بیش از حد سلامت جسمانی آنها را زیر پا میگذارد درحالی که رنج بیماران آنها بار عاطفی را افزایش میدهد. بنابراین بررسی این موضوع که چگونه دستاوردهای صنعت 4.0 میتواند فشار بیش از حد بر بخش مراقبتهای بهداشتی را کاهش دهد، بسیار ارزشمند است. خبر خوب این است که ترکیب هوش مصنوعی (AI) با رباتیک و فناوری حسگر تعداد بیشماری موارد استفاده را برای سادهسازی فرایندهای پزشکی و افزایش شانس بهبود وضعیت را فراهم میکند. برای مثال تشخیص و حسگرهای گفتار میتوانند اتوماسیون جمع آوری دادههای دیجیتالی را در صورت نیاز در طول دوره درمان تسهیل کنند.
همه این ایدهها بر هدف ارائه بهترین و سریعترین خدمات درمانی ممکن به بیماران متمرکز است. این شامل شناسایی و برآوردن نیازهای بیمار در مراحل اولیه است. با توجه به کمبود کارکنان در بخش مراقبتهای بهداشتی، استفاده از هوش مصنوعی برای تکمیل درمان منطقی به نظر میرسد. این امر میتواند از تشخیص و ترکیب گفتار در برنامه ریزی قرار ملاقات، انتخاب مرکز مراقبت یا انتقال دادههای بیمار به پزشکان استفاده کند.
در مورد اقدامات توانبخشی سرپایی یا مرخص شدن از بیمارستان، روباتهای هوش مصنوعی میتوانند به پزشکان در حفظ ارتباط با بیماران خود کمک کنند. دیجیتالی کردن مزیت دیگری نیز دارد: دادهها و سوابق بیماران در پست گم نمیشوند بلکه به صورت دیجیتالی جمع آوری و منتقل میشوند. این امر بار کاری کارکنان مراقبتهای بهداشتی و خطر عفونت را در طول همه گیری کاهش میدهد.
روباتهایی که قبلاً آزمایش شدهاند و در مراقبتهای بهداشتی مورد استفاده قرار گرفتهاند، دارای ویژگی جذاب دیگری نیز هستند: آنها هنگام کمک به افرادی که دچار سکته مغزی شدهاند یا با مشکلات مفصلی روبرو شدهاند، حساسیت بیشتری نسبت به فیزیوتراپیستها دارند. این امر توانبخشی اغلب دردناک را برای بیماران تجربهای خوشایندتر میکند و میزان عود و عوارض دیررس را کاهش میدهد. علاوه بر این، روباتهای دوره توانبخشی اغلب زمان بیشتری در اختیار دارند تا درمانگران انسانی.
مطالعات نشان میدهد که درمان با روبات بهبود بیمار را تسریع میکند و این را به سطوح شدت بهینه نسبت میدهد. حسگرها به روباتها این امکان را میدهند تا به سرعت تشخیص دهند که آیا تمرین برای بیمار بسیار سخت است یا قسمت خاصی از بدن آنها تحت فشار زیادی است. آنها هنگام درد بیماران را تشخیص میدهند و به آنها در جلوگیری از آسیبهای جدید کمک میکنند.
«پیشگیری بهتر از درمان است» اصلیترین امر در مراقبتهای بهداشتی است. بنابراین استفاده از هوش مصنوعی نه تنها در بیمارستانها بلکه در خانه نیز منطقی به نظر میرسد. با این حال، کارشناسان تخمین میزنند که حداقل 15 سال دیگر طول خواهد کشید تا روباتها بتوانند همان کمک و مراقبت را در چهار دیواری خودمان در بیمارستان انجام دهند. از سوی دیگر، تجزیه و تحلیل دادههای هوشمند امروزه امکانپذیر است.
برنامهها و دستگاههای پوشیدنی امکان ضبط و تحلیل خودکار علائم حیاتی اساسی مانند ضربان قلب، دمای بدن، حرکت و رطوبت را فراهم میکند. برای مثال شناسایی الگوها میتواند به حمله قلبی نزدیک اشاره کند. این میتواند از حالت اورژانس جلوگیری کند و منجر به درمان کمتر دردناک و کوتاه مدت شود. در عین حال، این بار سیستم مراقبتهای بهداشتی را کاهش میدهد زیرا بیمارانی که معمولاً در بیمارستان به سر میبرند میتوانند تحت درمان و توانبخشی سرپایی قرار گیرند.
اما در مراکز درمانی، وسایل اندازه گیری کوچک و وسایل کمکی روزانه کافی نیست. کمبود پرسنل در بیمارستانها و مراکز مراقبت به حدی است که محققان در حال حاضر به طور کامل در حال توسعه روباتهای انسان نما هستند، به عنوان مثال در شبکه تحقیقاتی مشترک PADERO طراحی مشارکتی در مراقبت از سالمندان.
ژاپن، کشور شریک PADERO و کنسرسیوم MEJOIN، تا سال 2025 با کمبود 370،000 پرسنل پرستاری روبرو خواهد شد. متخصصان جوان پرستاری در جمعیت پیر ژاپن که امید به زندگی در آنها در حال افزایش است به همان میزان که در بسیاری از کشورهای صنعتی دیگر در حال افزایش است، کمبود دارند. به بنابراین کاهش بار کارکنان پرستاری و در عین حال حفظ آن بسیار مهم است.