به گزارش گروه دانشگاه خبرگزاری دانشجو، هوش مصنوعی در حال ایجاد انقلابی در صنعت سلامت است و سرمایه‌گذاری‌های چشمگیری در این حوزه صورت می‌گیرد. سال گذشته، سرمایه‌گذاری‌های خطرپذیر (VC) در ابزار‌های مبتنی بر هوش مصنوعی برای مراقبت‌های بهداشتی به ۱۱ میلیارد دلار رسید، که نشان‌دهنده‌ی باور گسترده به توانایی این فناوری در تحول این بخش است.
بسیاری از استارتاپ‌های فعال در این حوزه به دنبال افزایش کارایی سیستم‌های بهداشتی از طریق خودکارسازی فرآیند‌های مدیریتی هستند که نقش کلیدی در ارائه خدمات درمانی دارند. یکی از این شرکت‌ها، Elea مستقر در هامبورگ، با رویکردی نوآورانه وارد حوزه‌ای کمتر موردتوجه قرار گرفته است: آزمایشگاه‌های آسیب‌شناسی. این آزمایشگاه‌ها مسئول تجزیه‌وتحلیل نمونه‌های بیمار برای تشخیص بیماری‌ها هستند، اما اغلب با فرآیند‌های سنتی و زمان‌بر مواجه‌اند. Elea قصد دارد با استفاده از یک **سیستم گردش کار مبتنی بر هوش مصنوعی و پردازش گفتار، این بخش را متحول کند و ضمن بهینه‌سازی عملکرد آزمایشگاه‌ها، قابلیت‌های این فناوری را به سایر حوزه‌های پزشکی نیز گسترش دهد.
تحولی در فرآیند‌های تشخیصی
Elea یک پلتفرم هوش مصنوعی طراحی کرده که جایگزین سیستم‌های اطلاعاتی قدیمی آزمایشگاهی و روش‌های سنتی مانند استفاده از مایکروسافت آفیس برای تایپ گزارش‌ها می‌شود. این سیستم، فرآیند‌ها را از طریق تبدیل گفتار به متن و سایر ابزار‌های خودکارسازی ساده‌تر می‌کند و به طرز چشمگیری زمان موردنیاز برای تشخیص را کاهش می‌دهد.
پس از حدود شش ماه همکاری با اولین کاربران، این استارتاپ توانسته مدت زمان تولید نیمی از گزارش‌های آزمایشگاهی را از چند هفته به دو روز کاهش دهد.
اتوماسیون گام‌به‌گام در آزمایشگاه‌ها
به گفته‌ی دکتر کریستف شرودر، مدیرعامل و یکی از بنیان‌گذاران Elea، گردش کار در آزمایشگاه‌های آسیب‌شناسی به‌طور سنتی شامل فرآیند‌های دستی متعددی است که امکان خودکارسازی و بهینه‌سازی آنها از طریق هوش مصنوعی وجود دارد. او توضیح می‌دهد:
ما این فرآیند را متحول کردیم، جایی که پزشکان و دستیاران فنی پزشکی (MTA) مستقیماً با Elea صحبت می‌کنند، یافته‌های خود را بیان می‌کنند و دستورالعمل‌های لازم را ارائه می‌دهند. سیستم ما به‌طور خودکار تمامی وظایف موردنیاز را پردازش و اجرا می‌کند، از آماده‌سازی اسلاید‌ها گرفته تا ثبت نتایج، و در نهایت، کل فرآیند را بسیار سریع‌تر و روان‌تر می‌سازد.
این نرم‌افزار مبتنی بر رایانش ابری نه‌تنها یک ابزار کمکی نیست، بلکه کل زیرساخت آزمایشگاهی را تغییر می‌دهد و یک سیستم عامل هوش مصنوعی ایجاد می‌کند که امکان هماهنگی تمامی فرآیند‌های تشخیصی را فراهم می‌آورد.
پشتیبانی از هوش مصنوعی با مدل‌های زبان بزرگ (LLM)
Elea بر پایه‌ی مدل‌های زبان بزرگ (LLM) توسعه یافته و با بهره‌گیری از اطلاعات تخصصی، قابلیت‌های پیشرفتهای را برای پردازش آزمایش‌های پاتولوژی ارائه می‌دهد. این فناوری نه‌تنها یادداشت‌های صوتی پزشکان را به متن تبدیل می‌کند، بلکه با پردازش این متن‌ها، دستورات اجرایی را به سایر بخش‌های آزمایشگاهی ارسال می‌کند و مراحل کاری را به‌طور خودکار پیش می‌برد.
در گام‌های بعدی، Elea قصد دارد سیستم هوش مصنوعی خود را برای تحلیل تصاویر اسلاید‌های آزمایشگاهیتوسعه دهد تا در آینده، وارد حوزه‌های تشخیصی دقیق‌تر نیز شود.
کاهش زمان تشخیص از چند هفته به چند روز
Elea نشان داده است که فرآیند‌هایی که در گذشته دو تا سه هفته طول می‌کشید، اکنون با استفاده از این فناوری می‌توانند در عرض چند ساعت یا چند روز تکمیل شوند. این دستاورد، نتیجه‌ی جایگزینی روش‌های سنتی پرخطا با یک سیستم یکپارچه‌ی مبتنی بر هوش مصنوعی است که از ورود اطلاعات دستی و اشتباهات انسانی جلوگیری کرده و کارایی را به حداکثر می‌رساند.
دسترسی ساده از طریق چندین پلتفرم
این سیستم برای راحتی کاربران، از طریق اپلیکیشن iPad، نرم‌افزار Mac و نسخه وبدر دسترس است. این تنوع در دسترسی، امکان استفاده‌ی آسان را برای تمامی کارکنان آزمایشگاه فراهم می‌آورد.
سرمایه‌گذاری و توسعه بین‌المللی
Elea در اوایل ۲۰۲۴ تأسیس شد و اولین آزمایشگاه‌ها در اکتبر ۲۰۲۳ شروع به استفاده از این سیستم کردند. این شرکت توسط شرودر، که پیش‌تر در پروژه‌های هوش مصنوعی خودران در (بوش، لومینار و مرسدس) فعالیت داشته، و دکتر سباستین کاسو، پزشک متخصص با بیش از یک دهه سابقه در مراقبت‌های ویژه و بیهوشی، بنیان‌گذاری شده است.
این استارتاپ تاکنون با یک گروه بیمارستانی بزرگ در آلمان همکاری کرده که (سالانه بیش از ۷۰،۰۰۰ مورد آزمایش را پردازش می‌کند) و در حال جذب آزمایشگاه‌های بیشتری است. علاوه بر این، (برنامه‌هایی برای ورود به بازار ایالات متحده) نیز در دستور کار دارد.
در سال گذشته، Elea موفق به جذب (۴ میلیون یورو سرمایه‌ی اولیه) از صندوق‌های (Fly Ventures و Giant Ventures) شد. با این حال، این شرکت قصد دارد در تابستان آینده دور جدیدی از سرمایه‌گذاری سری A را برای گسترش بازار خود جذب کند.
مزیت رقابتی: یکپارچگی عمیق با سیستم‌های آزمایشگاهی
شرودر معتقد است که تفاوت اصلی Elea با سایر راهکار‌های هوش مصنوعی در مراقبت‌های بهداشتی، (یکپارچگی کامل آن با سیستم‌های اطلاعاتی آزمایشگاه‌ها) است. درحالی‌که بسیاری از ابزار‌های هوش مصنوعی صرفاً به‌عنوان افزونه‌ای در کنار سیستم‌های موجود مانند (EHR) عمل می‌کنند، Elea مستقیماً در زیرساخت آزمایشگاهی ادغام شده و کل فرآیند‌های کاری را در خود جای داده است.
او می‌گوید:
ما سیستمی ساختیم که پزشک نیازی به استفاده از رابط کاربری جدید یا ابزار‌های پیچیده ندارد؛ کافی است با Elea صحبت کند و آنچه را که می‌بیند و تصمیمی که می‌گیرد بیان کند. هوش مصنوعی تمامی فرآیند‌ها را اجرا می‌کند.
چالش‌ها و آینده‌ی هوش مصنوعی در آزمایشگاه‌ها
با وجود این پیشرفت‌ها، دقت در پردازش اطلاعات همچنان یک چالش اساسی است. Elea برای کاهش خطا‌های احتمالی، سیستمی با قابلیت بررسی مجدد گزارش‌ها طراحی کرده که داده‌های فعلی را با یافته‌های قبلی مقایسه می‌کند و در صورت نیاز، پزشکان را برای بازبینی هشدار می‌دهد.
همچنین، برای حفظ حریم خصوصی بیماران، Elea از روش (ناشناس‌سازی داده‌ها) استفاده می‌کند تا اطلاعات شخصی بیماران از روند پردازش جدا باقی بماند. این سیستم روی سرور‌های اروپایی اجرا می‌شود و مطابق با استاندارد‌های سخت‌گیرانه‌ی حفاظت از داده‌ها عمل می‌کند.
جمع‌بندی
Elea با ارائه یک سیستم مبتنی بر هوش مصنوعی برای خودکارسازی فرآیند‌های آزمایشگاهی**، در حال تغییر شیوه‌ی تشخیص بیماری‌ها در آزمایشگاه‌های آسیب‌شناسی است. کاهش چشمگیر زمان تشخیص، افزایش بهره‌وری و یکپارچگی کامل با سیستم‌های موجود، این استارتاپ را به یکی از پیشگامان تحول دیجیتال در مراقبت‌های بهداشتی تبدیل کرده است.