Индийская система здравоохранения претерпевает трансформацию в цифровое здравоохранение, поскольку такие технологии, как эффективность, масштабируемость и, в некоторых случаях, прорывные системы, сдерживаются. В то время как частный сектор возглавляет переходный процесс с инновационными вмешательствами, правительство Индии сыграло активную роль в закладке фундамента для развития этой цифровой экосистемы. Вместе они позволили достичь нового статус-кво, когда новые технологии меняют способы оказания помощи, данные используются для принятия решений, а процессы улучшаются за счет автоматизации.

Одной из областей, где обе области представляют большой интерес, является восстановление фрагментированной и хаотичной системы крови Индии. Сценарий индийской крови сталкивается с проблемами острой нехватки, увеличения отходов, передачи инфекций и зависимости от старых практик, а растущие технологические прорывы служат универсальным средством для обеспечения страны безопасной, адекватной и стабильной кровью. и являются катализаторами процесса.

Низко висящие фрукты и приоритетные области
Необходимо сократить разрыв между спросом и предложением для восстановления системы крови. В 2016–2017 годах общий сбор крови в Индии составил примерно 11 094 145 единиц по сравнению с 2 65 00 000 единиц (или 62,3 донорства на 1000 человек, имеющих право на получение помощи). Восполнение этого дефицита в размере около 15 миллионов единиц является огромной задачей и требует сосредоточения внимания на поиске новых и повторных доноров.

Набор и управление донорами, независимо от того, имеют ли машинное обучение (ML) и большие данные различные приложения. Что касается продвижения доноров, Facebook работает со своим инструментом с поддержкой искусственного интеллекта, чтобы естественным образом использовать языковую обработку и машинное обучение для дифференциации сообщений о донорстве крови и привлечения потенциальных доноров для набора. После этого он может автоматически отправлять уведомления ближайшим донорам всякий раз, когда создается запрос. С момента запуска в 2017 году он уже собрал более 35 миллионов доноров по всему миру. Некоторые стартапы в США делают еще один шаг вперед с большими данными и точным машинным обучением, чтобы связываться со все большим количеством людей, которые делают пожертвования, используя персонализированные сообщения.

Однако наиболее важным применением инструментов ИИ является эффективное управление запасами крови посредством оценки запасов. Короткий срок хранения и отсутствие компонента крови являются основными причинами поразительного уровня отходов крови, собранной в Индии, на уровне 10–11%. Объединение существующих решений по подбору персонала с CRM на базе ИИ может значительно сократить сбор отходов и способствовать оптимизации запасов за счет постоянного мониторинга уровня запасов крови и отправки автоматических уведомлений, когда определенный компонент или группа крови ниже минимального порога. Эти инструменты могут быть дополнительно обучены во многих случаях использования и, следовательно, функциональных улучшениях, например, для хранения универсальных групп крови перед лицом надвигающегося стихийного бедствия.

Смещение акцента с вен на безопасность вен
Новые технологии, помимо доноров крови, для обеспечения клинической эффективности и безопасности все еще находятся на экспериментальной стадии, но обладают огромным потенциалом. В США Premier Inc., Healthcare Improvement Alliance, использовала аналитику больших данных для 645 медицинских учреждений, чтобы определить модели использования крови и снизить шансы на то, что пациенты продолжат использовать кровь. Например, они заметили, что хирурги-ортопеды использовали чрезмерное количество крови и работали с оборудованием, чтобы добиться сокращения на 75% случаев, требующих переливания крови. Таким образом, системы клинической поддержки с поддержкой ИИ могут помочь клиницистам стать более рентабельными.

Неадекватное тестирование на контаминацию, ошибочное перекрестное сопоставление и застойные инфекции являются основными проблемами безопасного функционирования венозной крови. Обширный и прозрачный цифровой след может помочь клиницисту уменьшить количество ошибок и обеспечить распознавание и отслеживание образов. В сочетании с этим автоматизация помогает сократить количество ручных операций. Системы можно научить принимать решения о том, следует ли указывать образцы для центрифугирования или распределять их непосредственно в цельной крови.