برنامه پزشکی واقعی

در حالی که بسیاری از مردم برای اولین بار در سال های اخیر برنامه های پزشکی واقعی را روی تلفن های هوشمند خود نصب کرده اند،

معرفی DTx در سیستم های مراقبت های بهداشتی عمومی نیز می تواند فرصتی برای سازماندهی مجدد و هدایت منابع کمیاب مراقبت های بهداشتی فراهم کند. بنابراین، یک استراتژی مداخله ای احتمالاً مقرون به صرفه با کیفیت کنترل شده به پیروی از استانداردهای نظارتی اضافه می کند که می تواند به کاهش موانع برای گروه ها یا مناطقی که تاکنون دست نیافتنی یا حذف شده یا مناطقی با زیرساخت های مراقبت بهداشتی ناکافی دارند، کمک کند. به این ترتیب، امکان تغییر فرآیندهای مراقبت و رابط با فناوری اطلاعات مراقبت های بهداشتی سنتی مانند سوابق سلامت الکترونیکی را در یک فرد، بلکه در سطح جمعیت و جامعه نشان می دهد.

این در راستای تغییر قبلی مشاهده شده از بیماران به عنوان دریافت کنندگان منفعل خدمات مراقبت های بهداشتی به سمت نقش فعال تر و توانمندتر بیمار در شکل دهی به روند درمان او است (Baird et al. 2020)، همچنین امکاناتی را برای شخصی سازی به ارمغان می آورد. ، سفر مراقبت پیشگیرانه و پیش بینی کننده.

در این کلمه کلیدی، ما مفهوم DTx را ترسیم می‌کنیم و چارچوب تعریفی را ارائه می‌کنیم که بر اساس آن زمینه‌های تحقیق برای محققان سیستم‌های تجاری و اطلاعات (BISE) مشخص شده است. ما در مورد اهمیت DTx در باز کردن مناطق مورد علاقه در سطح فردی / خرد و کلان / اجتماعی با توجه به ابعاد داده‌ها، فناوری، یکپارچگی فرآیندهای اجتماعی و ارزش (DTxSV) بحث می‌کنیم – با تشریح چارچوب تحقیقاتی DTxSV خاص برای DTx.

2 تشریح مفهوم DTx
DTx را می توان به عنوان زیرمجموعه ای از نرم افزار به عنوان دستگاه پزشکی (SaMD) در نظر گرفت و اغلب به سلامت موبایل (mHealth) مربوط می شود (شکل 1). در حالی که تحقیقات BISE/IS در مورد فناوری اطلاعات مراقبت های بهداشتی به طور سنتی بر فناوری های زیرساختی در مقیاس بزرگ، مانند پرونده های الکترونیک سلامت (EHRs, Hoyt and Hersh 2018) و تبادل اطلاعات سلامت (Yaraghi et al. 2015) متمرکز شده است، تحولات در SaMD (FDA 2019) ) منجر به درک قوی‌تری شده است که نرم‌افزار ممکن است برای اهداف صریح پزشکی استفاده شود، و پیشرفت‌ها در mHealth (Steinhubl et al. 2013) منجر به بررسی عمیق‌تر توانمندسازی بیمار و داده‌های سلامت تولید شده توسط بیمار شده است (Nittas et al. 2019).

در ادامه، مفهوم DTx در رابطه با دو مفهوم SaMD و mHealth مورد بحث قرار خواهد گرفت که به موجب آن جنبه های نظارتی، تکنولوژیکی و هدف پزشکی را در نظر می گیریم.

ما به اهداف پزشکی به عنوان فرآیندهای تشخیص، درمان، مدیریت و/یا پیشگیری از بیماری‌ها اشاره می‌کنیم و سناریوهایی را در نظر می‌گیریم که در آن متخصصان مراقبت‌های بهداشتی و/یا بیماران در مداخلات (موبایل) درگیر هستند.

اصطلاح «نرم‌افزار به‌عنوان دستگاه پزشکی» (SaMD) (①) توسط انجمن بین‌المللی تنظیم‌کننده دستگاه‌های پزشکی به‌عنوان نرم‌افزاری تعریف شده است که برای یک یا چند هدف پزشکی استفاده می‌شود که این اهداف را بدون مشارکت انجام می‌دهند. یک دستگاه سخت افزاری پزشکی (IMDRF 2013). بنابراین، نرم‌افزاری که تحت این تعریف قرار می‌گیرد، طبق مقررات تجهیزات پزشکی (MDRs) در اروپا، یا توسط FDA در ایالات متحده، یا سایر نهادهای نظارتی در جاهای دیگر، به عنوان یک دستگاه پزشکی در نظر گرفته می‌شود. چنین نرم افزاری قادر به اجرا بر روی پلت فرم های محاسباتی همه منظوره (غیر پزشکی) است.

در اینجا، “بدون اینکه بخشی” باشد، به این معنی است که نرم افزار برای عملکرد به یک دستگاه پزشکی سخت افزاری نیاز ندارد، در حالی که نرم افزار در صورتی که هدف آن هدایت یک دستگاه پزشکی سخت افزاری باشد، با تعریف SaMD مطابقت ندارد.

SaMD ممکن است در ترکیب (به عنوان مثال، به عنوان یک ماژول) با سایر محصولات، از جمله دستگاه های پزشکی، و ممکن است با سایر دستگاه های پزشکی، از جمله دستگاه های سخت افزاری پزشکی و سایر نرم افزارهای SaMD، و نرم افزارهای همه منظوره ارتباط داشته باشد. یک مثال نرم افزار تشخیصی رادیولوژیک با کمک کامپیوتر برای ضایعات مشکوک به سرطان است که به رادیولوژیست ها کمک می کند تا تصاویر را بر اساس الگوریتم های هوش مصنوعی طبقه بندی کنند (FDA 2020). DTx همیشه می تواند SaMD در نظر گرفته شود، اما عمدتاً هدف پیشگیری اولیه را حذف می کند (هیچ بیماری تشخیص داده شده، به عنوان مثال، برنامه های سلامت عمومی).

بخشی از DTx اعمال شده از طریق یک فناوری تلفن همراه می تواند در اصطلاح کلی سلامت موبایل (mHealth) (②) قرار گیرد. رصدخانه جهانی برای سلامت الکترونیک (GOe) توسط WHO، mHealth را به عنوان “عمل پزشکی و بهداشت عمومی که توسط دستگاه های تلفن همراه پشتیبانی می شود، مانند تلفن های همراه، دستگاه های نظارت بر بیمار، دستیارهای دیجیتال شخصی (PDA) و سایر دستگاه های بی سیم” تعریف کرده است (WHO 2011). . در زمان نگارش، 41517 برنامه تلفن همراه با تمرکز گسترده بر روی «دیجیتال» یا «mHealth» در فروشگاه App Apple (Statista 2022) موجود است. FDA (2019) “برنامه تلفن همراه” را به عنوان یک برنامه نرم افزاری در نظر می گیرد که می تواند بر روی یک پلت فرم تلفن همراه (یک پلت فرم محاسباتی تجاری دستی، با یا بدون اتصال بی سیم) یا یک برنامه نرم افزاری مبتنی بر وب که قابل اجرا باشد.

برای یک پلت فرم تلفن همراه طراحی شده است اما بر روی یک سرور اجرا می شود. در میان برنامه‌های mHealth، بسیاری از آنها بر اهداف سلامت عمومی‌تر تمرکز می‌کنند، به عنوان مثال، اهداف سلامت عمومی یا سلامتی، مانند ارائه فیلم‌های آموزشی، مدیتیشن، یا به عنوان مثال، نظارت بر مصرف کالری برای حفظ وزن سالم. به عنوان مثال، برنامه LactMed NIH اطلاعاتی در مورد تأثیر داروها بر شیر مادر و نوزادان شیرده در اختیار مادران شیرده قرار می دهد. mHealth اصطلاحی است که می‌تواند حاوی بسیاری از DTx باشد، اما همچنین سایر فن‌آوری‌های مجهز به تلفن همراه با تمرکز بر اهداف سلامت عمومی‌تر (پیشگیری اولیه) و راه‌حل‌هایی که از نظر بالینی ارزیابی نشده‌اند، به شدت تنظیم نشده‌اند و در سیستم مراقبت‌های بهداشتی عمومی بازپرداخت نمی‌شوند. در حال حاضر، برنامه‌های تلفن همراه یک رابط کلیدی برای DTx هستند، اما DTx می‌تواند توسط فناوری‌های غیرموبایل نیز ارائه شود.

هنگام در نظر گرفتن تقاطع mHealth و SaMD (① ∩ ②)، توجه به این نکته مهم است که برخی از برنامه‌های mHealth ممکن است تحت طبقه‌بندی SaMD قرار گیرند، اگر برای انجام عملکردهای پزشکی طراحی شده باشند و مستقل از یک دستگاه پزشکی سخت‌افزاری کار کنند. با این حال، مهم است که این SaMDsFootnote4 را از DTx متمایز کنیم. DTx، نه به طور انحصاری، بلکه در بسیاری از کشورها، تحت هدایت بیمار در نظر گرفته می‌شود یا باید به متخصصان بیماران، اما نه تنها متخصصان مراجعه کند. این بدان معنی است که برنامه هایی که فقط توسط پزشک برای درمان بیمار استفاده می شود به عنوان DTx در نظر گرفته نمی شوند. در سطح نظارتی، تفاوت های بیشتری وجود دارد، به عنوان مثال، در مورد اینکه تا چه حد هدف از تشخیص گنجانده شده است. پانوشت 5

 

با توجه به ملاحظات قبلی، DTx (③) به عنوان مداخلات درمانی از طریق یک برنامه نرم افزاری مبتنی بر بیمار ارزیابی شده بالینی نامیده می شود که برای بهبود تشخیص، درمان، مدیریت و/یا پیشگیری از بیماری ها طراحی شده است. این تعریف متضمن ابعاد مختلفی است که می توان DTx را در امتداد آنها مشخص کرد. (1) هدف پزشکی مختص یک وضعیت پزشکی است و به اهداف سلامت عمومی تری نمی پردازد. (2) از آنجایی که به عنوان یک مداخله درمانی تعریف می شود،

برخلاف بسیاری از برنامه های mHealth، آنها مکانیسم عمل خاص خود را دارند که از طریق آن هدف پزشکی برآورده می شود، به عنوان مثال، ارائه آموزش نمایش VR مبتنی بر CBT، و (3) DTx از نظر ارزیابی بالینی (به عنوان مثال، اثربخشی، ایمنی و کیفیت) از طریق نظارت نظارتی مطابق با استانداردهای مشابه داروهای تجویزی یا سایر دستگاه‌های پزشکی هستند. مانند داروها، DTx پس از ارائه شواهد بالینی کافی توسط نهادهای نظارتی (مانند FDA یا BfArM) تایید می شود. (4) DTx بر اساس برنامه های کاربردی نرم افزار است و بنابراین نوعی نرم افزار به عنوان یک دستگاه پزشکی است. (5) آنها عمدتاً توسط بیمار هدایت می شوند یا به بیماران و ارائه دهندگان هدایت می شوند، اما نه فقط ارائه دهندگان. به عنوان یک جنبه اضافی، تأیید نظارتی اغلب مستلزم این است که DTx می تواند توسط ارائه دهندگان مراقبت های بهداشتی برای بیماران تجویز شود.

همانطور که در جدول 1 نشان داده شده است، DTx یک موقعیت ارتباطی جالب بین برنامه های تلفن همراه و پوشیدنی های درجه یک مصرف کننده از یک سو و نرم افزار کنترل شده با ایمنی و کیفیت به عنوان یک دستگاه پزشکی از سوی دیگر به دست می آورد. این امر باعث می شود DTx از نظر مفهومی نیز جالب باشد زیرا باید (الف) مطمئن شد که آنها ایمن هستند و کارایی بالایی دارند در حالی که (ب) با افزایش تقاضا برای استفاده، سهولت استفاده و قابلیت اتصال، برای مصرف کنندگان جذاب هستند. جدول تعاریف داده شده را بر اساس ابعاد مربوطه خلاصه می کند.

 

DTx: پیشرفته ترین

تحقیقات DTx فقط در حال ظهور است و می توان با معیارهای تعریف DTx (1. هدف خاص برای یک وضعیت پزشکی، 2. مداخله درمانی/مکانیسم عمل، 3. ارزیابی بالینی: اثربخشی، ایمنی و کیفیت مورد نیاز، 4. ارائه شده) به آن نزدیک شد. توسط برنامه های نرم افزاری، 5. عمدتاً توسط بیمار، جنبه اضافی: قابل بازپرداخت).

DTx به سمت یک هدف پزشکی خاص و در نتیجه تشخیص یا وضعیت پزشکی هدایت می شود. شرکت‌های DTx به دنبال روش‌های عملی که بیشترین استفاده را دارند (تغییر رفتار و سبک زندگی)، در حال حاضر بیشتر شرایط و شرایط مزمن و قابل تغییر رفتار با نیازهای برآورده‌نشده قابل‌توجه با اشکال فعلی درمان را هدف قرار می‌دهند. بنابراین، زمینه‌های نشانه‌های پزشکی تاکنون طیف وسیعی از اختلالات روانی (اضطراب، افسردگی، اختلالات مصرف مواد، اختلال طیف اوتیسم، درد مزمن، اختلال استرس پس از سانحه (PTSD)، استرس و فرسودگی شغلی، ADHD، واژینیسموس و بی‌خوابی) است.

اختلالات عصبی (مولتیپل اسکلروزیس، میگرن، سکته مغزی، آفازی)، بیماری های غدد درون ریز و متابولیک (دیابت، چربی)، بیماری های تنفسی (آسم، COPD)، سرطان، وزوز گوش، ناتوانی جنسی ارگانیک، کنترل بارداری و ارتوپدی (کمر درد، شرایط زانو). انجمن ملی صندوق های بیمه سلامت قانونی در آلمان گزارشی در مورد استفاده از DTx دو سال پس از اولین تایید منتشر کرد: بیشترین استفاده از برنامه های کاهش وزن (28000 کاربر)، درد مزمن (27000 کاربر) و وزوز گوش (27000 کاربر) (GKV) بود. SV 2023). DTx تا به امروز عمدتاً شرایط روانپزشکی یا فشارهای روانی ناشی از بیماری‌های جسمی با نیازهای برآورده نشده قابل توجه را هدف قرار داده است که مدیریت آن با درمان‌های موجود چالش برانگیز است. ، Mindpax) یا اسکیزوفرنی (Click Therapeutics) که می توانند در گروه های خطر بالاتر قرار گیرند. موانع نظارتی (به عنوان مثال، محدود کردن DTx به کلاس خطر تجهیزات پزشکی I و II a فقط در آلمان) در نهایت بر توسعه برنامه‌هایی تأثیر می‌گذارد که به شرایط پزشکی شدیدتر یا حاد رسیدگی می‌کنند. به عنوان مثال، Click Therapeutics در حال توسعه DTx برای اسکیزوفرنی، و همچنین برای سندرم حاد کرونری است.

DTx به عنوان مداخلات درمانی تعریف می شود و ممکن است به عنوان یک استراتژی مکمل، به عنوان بهبود/تقویت یک استراتژی درمانی موجود (به عنوان مثال، در ترکیب) یا به عنوان جایگزینی برای سایر درمان ها (به عنوان مثال، دارودرمانی یا روان درمانی) عمل کند.

بسیاری از DTx تاکنون به عنوان راه حل های مستقل توسعه یافته اند، اگرچه موارد استفاده دیگری نیز وجود دارد. پانوشت 7 بسیاری از نشانه هایی که در حال حاضر توسط DTx مورد هدف قرار گرفته اند، تاکنون از نظر درمانی با یک شیوه مدیریت رفتاری یا روانشناختی مورد بررسی قرار گرفته اند، به عنوان مثال، رفتار شناختی درمان (CBT)، تمرینات، ردیابی علائم، و انتقال دانش. پی‌نوشت8 تاکنون، اکثر DTx‌ها این خدمات حضوری را به یک محصول دیجیتال تبدیل می‌کنند. آنها نه تنها به طور مستقیم به اختلالات روانی می پردازند، بلکه به اختلالات جسمانی مانند دیابت، درد مزمن یا مولتیپل اسکلروزیس یا اثرات روانی شرایط جسمانی (مانند سکته مغزی، سرطان) عمدتاً از طریق تغییر رفتار با استفاده از مکانیسم های مبتنی بر CBT رسیدگی می کنند.

تنها تعداد کمی تا کنون از مکانیسم‌های عمل اضافی مانند نظارت مبتنی بر حسگر (به عنوان مثال، اتصال به قند سنج از طریق پمپ دیابت (برنامه BlueStar))، بیوفیدبک (به عنوان مثال، از طریق تجزیه‌کننده گاز دی اکسید کربن در اختلال هراس (Freespira))، هوش مصنوعی استفاده می‌کنند. (AI) (نرم افزار بروکا توسط GAIA که در چندین برنامه استفاده می شود)، بازی (بازی ویدیویی برای کودکان ADHD، EndeavorRx) یا واقعیت مجازی (VR) (به عنوان مثال، Invirto)

از نظر بالینی ارزیابی شده است. نهادهای نظارتی معتقدند که DTx باید از نظر اثربخشی، ایمنی و کیفیت مورد ارزیابی بالینی قرار گیرد. اولین جنبه ارزیابی بالینی، استفاده آگاهانه، صریح و خردمندانه از بهترین شیوه های پذیرفته شده فعلی را برای نشان دادن شواهدی از اثربخشی DTx توصیف می کند (به Sackett 1996؛ Huh et al. 2022 مراجعه کنید). شرکت‌های DTx، همراه با موسسات تحقیقاتی، مطالعات تحقیقاتی را برای ارزیابی بهبود نتایج از طریق DTx آغاز کرده‌اند. این تحقیق شواهدی از سطوح مختلف تولید کرده است، از مطالعات توصیفی منفرد، مطالعات مشاهده‌ای پیش/پس از آن، تا کارآزمایی‌های تصادفی‌سازی و کنترل‌شده (RCTs) و متاآنالیزها (به عنوان مثال، Lantzsch و همکاران 2022 برای آلمان را ببینید).

در حالی که چنین تحقیقاتی عمدتاً بر روی مزایای پزشکی (عارضه، مرگ و میر یا کیفیت زندگی) متمرکز شده است، برخی از مطالعات شرکت‌های DTx نیز با هدف نشان دادن مزایای ساختاری و رویه‌ای مرتبط با بیمار، که به عنوان مفهوم جدیدی از مراقبت‌های بهداشتی مثبت معرفی و تعریف شدند، انجام شده است. اثرات تحت چارچوب قانون اجتماعی با قانون مراقبت های بهداشتی دیجیتال در آلمان. این موارد شامل مزایای سواد سلامت، تبعیت از درمان، یا دسترسی تسهیل شده به مراقبت می‌شود. به عنوان مثال، در آلمان، ثبت DTx برای بیماران و ارائه دهندگان به صورت آنلاین توسط نهاد نظارتی (BfArM) ارائه می شود که شواهد ارائه شده را با استفاده از استاندارد گزارش PICO خلاصه می کند. با این حال، تنها بخشی از شواهد ارائه شده در قالب انتشارات علمی قابل دسترسی است که شواهد را به طور گسترده در دسترس جامعه تحقیقاتی قرار می دهد (نگاه کنید به توصیف نادرست اثربخشی ضد افسردگی با سوگیری انتشار (ثبت FDA در مقابل مطالعات منتشر شده؛ Turner et al. 2008). )). تاکنون، عمدتاً شواهدی در قالب کارآزمایی‌های کنترل‌شده با محدودیت‌های تنظیمات مطالعه کنترل‌شده و نمونه‌های بیمار منتخب منتشر شده است. پانوشت 10 همچنین، مطالعات در مورد نتایج اقتصادی مانند مقرون‌به‌صرفه بودن کمیاب است، اگرچه قیمت‌گذاری یک بحث مداوم در مورد DTx است.

علاوه بر این، DTx باید ایمن باشد. با آن، ما به جنبه های ایمنی بیمار اشاره می کنیم. WHO (2019) ایمنی بیمار را به عنوان یک رشته مراقبت بهداشتی تعریف می کند که “هدف آن پیشگیری و کاهش خطرات، خطاها و آسیب هایی است که در طول ارائه مراقبت های بهداشتی برای بیماران رخ می دهد”.

نظارت بر عوارض جانبی بخشی از اقدامات بالینی خوب است و از نظر اخلاقی نیز برای مداخلات غیرتهاجمی مانند مداخلات روان‌شناختی و به طور خاص DTx مورد نیاز است. علاوه بر ایمنی فنی اولیه، این شامل اقداماتی برای شناسایی و جلوگیری از موقعیت های بهداشتی پرخطر ناشی از DTx است.

کیفیت مورد نیاز به رعایت الزامات استانداردهای تعریف شده توسط نهادهای نظارتی اشاره دارد. این استانداردها طیف وسیعی از مسائل مانند حفاظت از داده ها، امنیت اطلاعات، قابلیت همکاری، و الزامات کیفیت بیشتر مانند استحکام، حفاظت از مصرف کننده، سهولت استفاده، پشتیبانی از ارائه دهندگان مراقبت های بهداشتی و کیفیت محتوای پزشکی را در بر می گیرد (BfArM 2022).

برای انتخاب دو حوزه، حفاظت از داده و امنیت اطلاعات، نهادهای نظارتی در آلمان می‌خواهند که کاربران DTx بتوانند بر این واقعیت تکیه کنند که سازنده الزامات قانونی برای حفاظت از داده‌ها را رعایت می‌کند، داده‌های آن‌ها را با دقت مدیریت می‌کند و اقداماتی را برای محافظت از محرمانگی اجرا می‌کند. در دسترس بودن و یکپارچگی خطرات حفاظت از داده ها و امنیت اطلاعات باید مورد تجزیه و تحلیل و ارزیابی قرار گیرد و در صورت لزوم اقدامات مناسب برای حفاظت از داده ها اتخاذ شود. رضایت آگاهانه و امنیت لایه انتقال احتمالاً در اینجا اجتناب ناپذیر خواهد بود. در مورد نیاز حفاظتی بالا، مطمئناً باید اقدامات رمزگذاری سرتاسری نیز ارائه شود. به عنوان یک حوزه دیگر، استانداردها همچنین به الزامات قابلیت همکاری مانند رابط های اجباری به پرونده ملی سلامت الکترونیک و پایبندی به استانداردهای اتصال دستگاه مربوط می شوند.

DTx از طریق برنامه های کاربردی نرم افزاری ارائه می شود و بنابراین چندین جنبه تکنولوژیکی باید در نظر گرفته شود. تا به امروز، DTx به عنوان اکثریت از طریق برنامه های تلفن همراه بومی ارائه می شود.

سایر اشکال تحویل استفاده شده تاکنون، برنامه های وب، ترکیبی از برنامه های بومی و برنامه های وب یا نرم افزارهای رایانه ای هستند. علاوه بر این، DTx خاصی فقط یا احتمالاً در ترکیب با نوعی دستگاه سخت افزاری (یا دستگاه پزشکی) استفاده می شود. به عنوان مثال، استفاده از اشکال نظارت مبتنی بر حسگر از طریق اتصال به یک دستگاه قند خون از طریق پمپ دیابت (MySugar App)، بیوفیدبک از طریق یک آنالایزر گاز دی اکسید کربن در اختلال هراس (Freespira) یا یک استنشاق دیجیتال با سنسورهای داخلی برای COPD /آسم (ProAir Digihaler)، معمولاً تحت مقررات دستگاه های پزشکی قرار می گیرد.

برخی از DTx با دستگاه‌های مصرف‌کننده مانند پوشیدنی‌ها (به عنوان مثال، برنامه بی‌خوابی Somnio را می‌توان در ترکیب با یک ردیاب تناسب اندام استفاده کرد؛ سنسور اکتیوگرافی برای ردیابی فعالیت در اختلال دوقطبی که توسط Mindpax استفاده می‌شود) یا دستگاه‌های VR (برنامه Invirto برای اختلالات اضطراب فوبی) متصل هستند.

با استفاده از عینک VR). این بدان معناست که لازم است رابط‌هایی برای دستگاه‌های مصرف‌کننده افزوده و همچنین دستگاه‌های پزشکی، اما همچنین سایر بخش‌های رابط (مانند نرم‌افزار بهداشت از راه دور؛ یا رابط‌های مورد نیاز قانونی برای پرونده‌های سلامت الکترونیکی) ایجاد شود.

یکی دیگر از مؤلفه‌های فنی که تاکنون به‌طور منحصربه‌فرد مورد استفاده قرار گرفته است، بازی است: EVO توسط Akili Interactive نمونه‌ای از یک بازی جدی است که برای درمان ADHD کودکان (FDA 2020) برای نسخه‌ای از FDA تأیید شده است.

بخشی از DTx از فناوری های پیشرفته هوش مصنوعی (AI) (به عنوان مثال، هوش مصنوعی، یادگیری ماشینی، یادگیری عمیق) برای ارائه الگوریتم ها و مداخلات سفارشی و تطبیقی استفاده می کند.

در بیشتر موارد، این به عنوان نوعی از فرآیند خودکار، به عنوان مثال، یک گفتگوی مجازی اعمال می شود. به عنوان مثال، شرکت GAIA از بروکای سیستم AI خود در چندین DTx (دپرکسی برای درمان افسردگی، vorvida برای درمان اختلال مصرف الکل و موارد دیگر) و گسترش بیشتر کاربرد آن (به عنوان مثال، مولتیپل اسکلروزیس) استفاده می‌کند.

این نرم افزار از یک رویکرد هوش مصنوعی مبتنی بر قانون (AI) استفاده می کند تا اطلاعات سفارشی را برای مطابقت با نیازها و ترجیحات فردی که کاربران با انتخاب پاسخ های خاص در طول یک گفتگوی مجازی نشان می دهند، مطابقت دهد.

Kaia Health یک فناوری بینایی کامپیوتری مبتنی بر هوش مصنوعی توسعه داده است که به تلفن‌های هوشمند و تبلت امکان می‌دهد الگوهای حرکتی کاربر را در طول تمرینات برای تجزیه و تحلیل زمان واقعی ضبط و تجزیه و تحلیل کنند و بازخورد اصلاحی و زنده (به عنوان مثال، برای کمردرد، دیجیتال درمانی برای تأیید در خط لوله).

روش‌های پیشرفته‌تر با استفاده از پیش‌بینی و مدل‌سازی هوش مصنوعی تاکنون در اشکال DTx استفاده نشده‌اند. با این حال، مطالعات امیدوارکننده، برای مثال، احتمالات پیش‌بینی علائم مبتنی بر هوش مصنوعی را نشان می‌دهند، اگرچه مدل‌های کاربردی ناهمگن و بر اساس نمونه‌های مطالعه کوچک هستند (Ortiz و همکاران 2021).

DTx به طور بالقوه مقادیر زیادی داده مفید تولید می کند. در حال حاضر، استفاده از این داده‌ها به شدت در بحث‌های مربوط به مقررات امنیتی و حریم خصوصی و همچنین فرمت‌های استاندارد داده‌ها درگیر شده است و بنابراین تا کنون استفاده نشده است.

DTx به‌عنوان هدایت‌شده توسط بیمار یا هر دو هدایت‌شده توسط بیمار و پزشک تعریف می‌شود و بیمار را به عنوان کاربر اصلی برنامه تعریف می‌کند. اگرچه برنامه های کاربردی ترکیبی تحت هدایت بیمار و پزشک امکان پذیر است، فقط تعداد کمی از این امکان مانند برنامه VR Invirto که در یک فرآیند روان درمانی ادغام شده است، استفاده می کنند. اگرچه اجباری نیست،

بخش عمده ای از برنامه ها نوعی از علائم یا گزارش پیشرفت را ارائه می دهند که می تواند با پزشک به اشتراک گذاشته شود. تاکنون DTx عمدتاً توسط زنان استفاده می شود (70٪ از کاربران DTx برای بیماری های عصبی در آلمان زن بودند) و در مراکز شهری (به عنوان مثال، برلین، هامبورگ) استفاده می شود (Dtsch Arztebl 2022). در یک نظرسنجی بین 2200 بزرگسال آمریکایی در ژوئن 2021، 73٪ ابزارهای سلامت دیجیتال را راحت توصیف کردند،

در حالی که 60٪ گفتند که آنها ایمن هستند و 56٪ گفتند که دقیق هستند (Galvin 2021). همچنین، راه حل های موجود عمدتاً به یک محیط سرپایی و استفاده مستقل می پردازد. برنامه‌های مربوط به تنظیمات بیمارستان یا مدیریت در تقاطع‌ها وجود ندارد.

اگرچه بیمار به عنوان کاربر اصلی تعریف می شود، اما تأیید نظارتی اغلب مستلزم آن است که DTx می تواند توسط ارائه دهندگان مراقبت های بهداشتی برای بیماران تجویز شود یا در صورت درخواست مستقیم به مصرف کننده، تشخیص پزشکی برای بازپرداخت توسط بیمه سلامت لازم است.

با این حال، در اسکاتلند افراد می‌توانند برای دریافت DTx بیگ هلث برای اضطراب و بی‌خوابی به‌صورت رایگان از طریق NHS به‌عنوان نسخه‌ای خود مراجعه کنند یا به پزشک عمومی خود مراجعه کنند (Lovell 2021).

سایر استراتژی های بازپرداخت مانند پرداخت از جیب به شدت به منطقه مربوطه بستگی دارد و اغلب در کشورهای مبتنی بر بیمه رایج نیست.

بنابراین، پزشکان نقش مهمی در توصیه، توضیح، نظارت، ایجاد انگیزه و تجویز DTx به بیماران خود دارند، آنها را در یک مفهوم درمانی جامع ادغام می‌کنند و آنها را در برابر گزینه‌های درمانی مختلف وزن می‌دهند. از این رو، انتشار DTx به میزان زیادی با پذیرش و دانش متخصصان سلامت مرتبط است. مطالعات بین پزشکان آلمانی نشان می‌دهد که 24 تا 62 درصد به طور بالقوه یک درمان دیجیتال را تجویز می‌کنند (Haserück 2021؛ Dahlhausen et al. 2021)، اما در مطالعه‌ای متفاوت، 56 درصد گزارش کردند که آمادگی ضعیفی برای تجویز دارند (بارمر 2020).

همانطور که توسط Brinkmann-Sass و همکاران توضیح داده شده است. (2020)، مسیر بازپرداخت در کشورها متفاوت است، به طور کلی پیچیده است، و شامل هزینه ها و سرمایه گذاری های اولیه قابل توجهی است. این بدان معنی است که یک مسیر از پیش تعریف شده برای نسخه، بازار جدیدی را باز می کند.

برای مثال،برنامه پزشکی با شروع اولین تأییدیه ها در اکتبر 2019، تا کنون 47 DTx (مقدماتی) در آلمان، پانوشت12 و حدود 35 تا 40 در ایالات متحده از سال 2017 تأیید شده است. Pear Therapeutics، یک شرکت توسعه دهنده دیجیتال درمانی برای اختلال مصرف مواد و مواد افیونی، 139 میلیون دلار و Akili Interactive، یک شرکت توسعه دهنده دیجیتال درمانی برای اختلال بیش فعالی بیش فعالی و اختلال طیف اوتیسم، 119 میلیون دلار جمع آوری کرده است (Patel and Butte 2020). .

قیمت فعلی در آلمان بین 119 یورو و 952 یورو برای استفاده 90 روزه از برنامه است، با اولین کاهش قیمت اجباری برای برنامه بی خوابی Somnio (Hoffmann 2022). ترتیبات بازپرداخت مبتنی بر ارزش با در نظر گرفتن احتمالات نظارت بر پایبندی در DTx در مقایسه با سایر اشکال درمان (مانند دارو درمانی) یک استراتژی قابل مدیریت خواهد بود (برای یک پیشنهاد خاص به Gensorowsky و همکاران 2022 مراجعه کنید).

اما تنها یک برنامه تا کنون یک مدل قیمت گذاری مبتکرانه مبتنی بر استفاده ارائه می دهد (اگر بیمار از کمتر از دو ماژول استفاده کند، 0 یورو برای سه برنامه مختلف توسط Selfapy که اضطراب و افسردگی را پرداخت می کند، پرداخت برای عملکرد دریافت می کند).

مدل‌های زبان بزرگ (LLM)،

این الگوریتم‌های هیجان‌انگیز همه کاره در دسامبر 2022، زمانی که OpenAI عامل GPT3 خود را منتشر کرد، به موضوع گفتگوی عمومی تبدیل شد که به عنوان ChatGPT نیز شناخته می‌شود. LLM ها برای انجام مکالمات به روش های انسانی طراحی شده اند، آنها برای درک پرس و جوهای پیچیده و پاسخ دادن به شیوه ای ظریف طراحی شده اند. ما در این مقاله موارد استفاده پزشکی بالقوه را معرفی کردیم.

در حال حاضر همه ما سابقه کار با نوعی ربات چت را داریم – اگر هیچ چیز دیگری، یک الگوریتم نه چندان روشن در یک ارائه دهنده خدمات. این تعاملات به ندرت کسی را تحت تاثیر قرار می دهد، آنها گاهی اوقات به حل مشکلات ما کمک می کنند، اما اغلب منجر به خروج یک کاربر ناامید با وعده تماس یکی از کارکنان پشتیبانی انسانی می شود که ممکن است یا هرگز اتفاق نیفتد.

مدل های زبان بزرگ بدون شک این زمینه را برای همیشه تغییر داده اند، آنها قادر به کمک با کیفیت بالایی هستند که قبلاً هرگز دیده نشده بود.

تنها چند هفته پس از انتشار ChatGPT، Google/DeepMind انتشار MedPaLM را اعلام کرد، یک مدل زبان بزرگ که به طور خاص برای پاسخ به سوالات مربوط به مراقبت های بهداشتی طراحی شده است، بر اساس مدل 540 میلیارد پارامتری PaLM خود.

مدل بزرگ زبان مدپالم گوگل دیپ مایند
این مدل بر روی شش مجموعه داده پرسش و پاسخ پزشکی موجود (NedQA، MedMCQA، PubMedQA، LiveQA، MedicationQA، و MMLU) آموزش داده شد و تیم‌های توسعه‌دهنده نیز HealthSearchQA خود را با استفاده از پرسش‌هایی درباره شرایط پزشکی و علائم مرتبط ایجاد کردند.

در حال حاضر MedPaLM نمی تواند توسط عموم مردم آزمایش شود، اما می توانید مقاله محقق را در اینجا بخوانید.

“برنامه پزشکی به طور دلگرم کننده ای عمل می کند، اما نسبت به پزشکان پایین تر است”
این سند تعدادی از کاربردهای پزشکی ممکن را فهرست می‌کند، از جمله بازیابی دانش، پشتیبانی تصمیم‌گیری بالینی، خلاصه‌سازی یافته‌های کلیدی در مطالعات، و تریاژ نگرانی‌های مراقبت اولیه بیماران در میان سایر موارد، اما همچنین خاطرنشان کرد که MedPaLM «به‌طور دلگرم‌کننده عمل می‌کند، اما نسبت به پزشکان پایین‌تر است. ”

نمودارهای پیوست نشان می دهد که MedPaLM هنوز در چندین زمینه عملکرد ضعیفی از سوی پزشکان انسانی دارد:

بازیابی نادرست اطلاعات برای Med-PaLM 16.9٪ بود که در مقایسه با 3.6٪ از پزشکان.
استدلال نادرست در 10.1 درصد از پاسخ های MedPaLM و در 2.1 درصد از پاسخ های پزشک مشاهده شد.
درک نادرست در 18.7 درصد موارد برای الگوریتم و در 2.2 درصد برای پزشکان اتفاق افتاده است.

چند نمونه از پاسخ‌های ساخته شده توسط MedPaLM
مدل های زبان بزرگ ممکن است به راحتی بهترین گزینه ای باشد که ما برای مشاوره پزشکی خواهیم داشت

اگرچه بدیهی است که این مدل کامل نیست، اما به طور قابل توجهی بهتر از هر الگوریتم قبلی عمل می کند و زمینه به سرعت در حال بهبود است. الگوریتم‌های چت بات مبتنی بر LLM کیفیتی از تعامل انسان و هوش مصنوعی ارائه می‌دهند که قبلاً دیده نشده بود.

این برنامه پزشکی همان چیزی است که من فکر می‌کنم اتفاق بیفتد: با بهتر شدن و بهتر شدن این مدل‌ها، خطر از دست دادن مراقبت به دلیل کمبود ظرفیت در مراقبت‌های بهداشتی به زودی بر خطر اشتباه بودن الگوریتم‌ها بیشتر خواهد شد. ما بهتر است خود را با برقراری ارتباط با چنین الگوریتم LLM آشنا کنیم – صرفاً به این دلیل که انتظار طولانی برای پاسخ های برنامه پزشکی به دلیل کمبود پرسنل مراقبت های بهداشتی تهدید بیشتری را به همراه خواهد داشت.

مشاوره زنده با یک پزشک در قرن بیست و یکم به یک لوکس تبدیل خواهد شد و هر راه حلی که به این موضوع رسیدگی کند (از پزشکی از راه دور تا چت ربات های پزشکی) در واقع چشم انداز سلامتی ما را بهبود می بخشد.