Utah wis dadi negara AS pisanan ing ngendi sistem intelijen buatan bisa mriksa pasien lan menehi resep obat tanpa dhokter langsung nyetujoni saben keputusan. Program kasebut, dibangun ing sekitar wiwitan dermatologi Nolla Health, urip minggu iki lan langsung narik kawigatosan nasional, kanthi Seattle Times nyimpulake tonggak sejarah kasebut kanthi terang-terangan: AI wis ngganti dokter resep kanggo pisanan - kanggo nambani kukul.
Pilot kasebut sengaja sempit, nanging makna regulasi kasebut ora. Wis pirang-pirang taun, AI ing babagan kedokteran wis dipanggonke minangka pembantu sing nggawe cathetan utawa menehi tandha temuan kanggo klinisi manungsa kanggo mlebu. Pengaturan Utah mbusak tandha-tandha kasebut kanggo kelas pasien sing ditemtokake, dadi tes sing paling jelas manawa regulator, dokter, lan pasien bakal nampa algoritma minangka pihak sing menehi resep. For more context on this story, see our ongoing AI trends.
Cara Kerja Pilot Kesehatan Nolla
Program kasebut lumaku liwat aplikasi Nolla Health, sing regane $4.99 saben wulan lan diwatesi kanggo pasien sing kukul entheng nganti moderat. Jendhela perawatan yaiku setahun.
Pasien diwiwiti kanthi mindhai raine nganggo aplikasi lan ngrampungake riwayat medis lan formulir informasi pribadhi. AI banjur nganalisa gambar kulit, tingkat oiliness, lan ngasilake skor keruwetan kukul numerik sing kisaran saka kulit bening kanggo kukul abot, miturut laporan TechSpot ing Bukak.
Skor kasebut digabungake karo informasi medis pasien kanggo ngasilake rekomendasi resep sing digambar saka dhaptar wolung perawatan sing disetujoni. Kabeh wolung obat topikal tinimbang pil, kendala sing njaga efek samping sing paling mbebayani saka meja.
CEO Nolla Health Luis Wenus ujar manawa efek ala sing ana gandhengane karo wolung obat sing disetujoni mung diwatesi karo iritasi kulit utawa kekeringan sing dilokalisasi - profil risiko sing luwih murah tinimbang obat sistemik, lan salah sawijining sebab para regulator bisa ngidini AI beroperasi kanthi kurang pengawasan.
Tinjauan Manungsa Fase Tiga Fase
Apa ndadekake program Utah kacathet ora tugas diagnostik AI kang, kang diwatesi lan visual, nanging dijadwal mundur saka dokter saka daur ulang.
Ing fase kapisan, 100 resep pisanan isih kudu ditinjau dening dokter nyata sadurunge dikirim menyang apotek. Ing fase kapindho, 400 pasien sabanjure duwe resep sing dikirim menyang apotek dening AI dhewe, kanthi dokter mriksa dheweke kanthi retrospektif saben minggu. Ing tahap pungkasan, dhokter mriksa paling ora 10 persen kabeh resep sing ditanggepi, dipriksa sapisan sasi.
Ing pungkasan pilot, resep bisa lelungan saka kamera smartphone menyang apotek tanpa review manungsa sing prospektif - mung sampling statistik sawise kasunyatan. Pendekatan Utah kanthi efektif nambani resep kaya output ing proses kontrol kualitas tinimbang keputusan klinis individu, owah-owahan struktural sing wis dielingake para komentator medis bakal teka luwih cepet tinimbang sing dikarepake.
Apa Kukul, lan Apa Utah
Kukul ing pirang-pirang cara minangka bukti sing cocog kanggo resep otonom. Bisa didiagnosa kanthi visual, kronis tinimbang ngancam nyawa, lan diobati nganggo formularium cilik sing duwe karakter apik. Resiko saka pilihan sing salah ing dhaptar sing disetujoni kurang lan umume bisa dibalik, yaiku apa sing dibutuhake regulator nalika ngrancang eksperimen sing diwatesi.
Utah, sauntara, wis ngenteni taun-taun pungkasan dadi salah sawijining pamrentah negara sing paling maju AI ing negara kasebut. Negara kasebut sadurunge dilaporake dening Bloomberg Law kanggo nimbang pilot resep "dokter AI" marang masalah pengawasan, lan toko lokal kalebu TechBuzz News wis nggambarake inisiatif AI pro-manungsa sing bubar nambahake pilar kesehatan kanthi evaluator independen sing dijenengi. Publikasi perdagangan STAT nglaporake manawa Utah terus maju karo pilot AI kesehatan tambahan sing kalebu resep lan kesehatan wanita, nalika MobiHealthNews ngonfirmasi peluncuran Nolla Health ing Utah minggu iki.
Ing tembung liyane, pilot kukul ora stunt terisolasi. Iki minangka bagian sing paling katon saka strategi tingkat negara sing disengaja kanggo mindhah pisanan ing AI medis otonom lan mbangun infrastruktur evaluasi ing saubengé.
Debat Pengawasan
Panyengkuyung keamanan pasien wis nggawe keprihatinan sing akrab. Tinjauan retrospektif saka resep tegese kesalahan kejiret sawise pasien wis nampa obat kasebut, dudu sadurunge. Jendhela sampling mingguan lan saben wulan ninggalake kamar kanggo kesalahan sistematis - jinis sing mengaruhi kabeh kategori pasien - kanggo mbaleni sadurunge kabar manungsa.
Ana uga pitakonan preseden. Yen resep otonom ditampa kanggo kukul, argumentasi kanggo ndawakake menyang kondisi visual liyane sing bisa diagnosa, formulary-bound - conjunctivitis, rashes tartamtu, pangobatan antifungal - nulis dhewe. Saben ekstensi bakal bisa dipertahanake kanthi individu nalika bebarengan ngobahake obat menyang model sing algoritma minangka prescriber standar lan dhokter minangka auditor.
Kegelisahan komunitas medis ditambah karo cathetan konsumen sing luwih akeh sing ngandelake chatbots tujuan umum kanggo saran medis kanthi asil sing mbebayani, kasus sing ditindakake dening perusahaan AI dhewe. Sistem sing dibangun kanthi tujuan kanthi formulasi tetep lan rubrik pemarkahan sing ditemtokake minangka artefak sing beda banget karo chatbot sing mbukak, nanging umume cenderung ngajukake loro ing kategori mental sing padha.
Apa Sabanjure
Jendhela siji taun pilot tegese Utah bakal duwe data nyata babagan resep otonom sadurunge umume negara wis nggawe posisi babagan pitakonan kasebut. Nomer sing penting yaiku tingkat kesalahan ing saben fase, asil pasien ing 500 utawa luwih resep sing diawasi, lan apa sistem review retrospektif bener-bener nangkep kesalahan sing dirancang kanggo nyekel.
Saiki, program kasebut tetep kaya sing dikarepake para perancang: eksperimen cilik, kanthi pager. Nanging arah lelungan iku unmistakable, lan Utah wis mung dadi yurisdiksi pisanan ing Amerika Serikat kanggo mangerteni apa mengkono nalika pad resep minangka algoritma.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
