توجه سرمایه گذاران خطرپذیر به کاربردهای هوش مصنوعی در سلامت

در طی 2 سال اخیر، استارتاپ ها و سرمایه گذاران خطرپذیر درک مناسبی از از ظرفیت های هوش مصنوعی برای بهبود کیفیت مراقبت از بیماران، افزایش سطح دسترسی به خدمات و کاهش هزینه های درمان پیدا کرده اند که باعث شده است حوزه سلامت به میدانی برای اثبات ظرفیت های هوش مصنوعی تبدیل شود. گزارشی با عنوان نبض سرمایه گذاری (Venture pulse report) که توسط KPMG منتشر شده است، نشان دهنده‌ی افزایش سرمایه گذاری روی کاربردهای هوش مصنوعی در حوزه سلامت است.

هوش صمنوعی (AI)  و یادگیری ماشین (ML) معمولا به جای هم استفاده می شوند اما در اصل هوش مصنوعی یکی از حوزه های اصلی علوم کامپیوتر است و یادگیری ماشین یکی از زیرمجموعه‌هایش به شمار می رود. سرمایه گذاری روی کابردهای هوش مصنوعی و یادگیری ماشین در حوزه سلامت اخیرا با رشد قابل توجهی همراه بوده است که علت اصلی آن ظرفیت این فناوری ها برای ایجاد اتوماسیون با دقت بالاست. برای مثال، این فناوری ها کمک می کنند که تصاویر رادیولوژی به صورت اتوماتیک و با دقت بسیار بالا بررسی شوند. چالش اصلی دستیابی به میزان دقتی قابل اعتماد است. هر چند این اتوماسیون ها می توانند باعث کاهش زمان و هزنیه فرآیندها شوند اما چون سلامت انسان ها در  معرض ریسک آن ها قرار دارد، هیچ جایی برای خطا وجود ندارد.

طبق آمارهای ارائه شده توسط CB Insights رشد سرمایه گذاری روی هوش مصنوعی برای سلامت از سال 2015 شروع شده است و طبق آمارهای زیر به صورت نمایی در حال افزایش است:

  • در سال 2017، در مجموع 107 قرارداد، مبلغ 1.3 میلیارد دلار روی این حوزه سرمایه گذاری شده است.
  • در سال 2018، در مجموع 264 قرارداد، مبلغ 2.7 میلیارد دلار روی این حوزه سرمایه گذاری شده است.
  • در سال 2019، در مجموع 367 قرارداد، مبلغ 4 میلیارد دلار روی این حوزه سرمایه گذاری شده است.

نکته قابل توجه دیگر این است که در سال 2019، مجموعا 2235 قرارداد با موضوع هوش مصنوعی و با ارزش 26.6 میلیارد دلار ثبت شده است که مقایسه با آمارهای سلامت، نشان از سهم 16.5 درصدی سلامت از تعداد و 15 درصدی از ارزش سرمایه گذاری های هوش صمنوعی دارد.

کاربرد هوش مصنوعی و ماشین لرنینگ در سلامت، تلاش جدیدی نیست چنانکه حتی برخی کاربردها نظیر تشخیص سرطان از طریق تحلیل تصاویر پزشکی با استفاده از الگوریتم ها از سال 1998 مورد استفاده بوده است. تفاوتی که اکنون ایجاد شده است، راحت تر شدن انجام چنین استفاده هایی به واسطه پیشرفت فناوری ها است. استفاده از پردازش ابری و دیجیتالی شدن اطلاعات، سطح دسترسی به اطلاعات و سرعت پردازش را افزایش داده است. شرکت های سرمایه گذاری، متوجه این موضوع شده اند که هوش مصنوعی به یک فناوری محوری تبدیل شده است و متناسب با این ادراک، منابع بیشتری را برای سرمایه گذاری رو آن در نظر گرفته اند.

انتفاع  همه ذی‌نفعان سلامت از هوش مصنوعی

سرمایه گذاران خطرپذیر نسبت به راهکارهای هوش مصنوعی هیجان زده هستند چرا که این راهکارها امکان رفع نیازهای متنوعی از ذی نفعان مختلف را فراهم می کنند. این می تواند شامل مواردی مانند افزایش سطح دسترسی بیماران به خدمات درمانی، بهبود خروجی های درمان، افزایش بهره وری پزشکان و بهبود سطح کنترل کیفیت برای نهادهای سیاست گذار حوزه سلامت باشد.

سرمایه گذاران خطرپذیر همچنین به ظرفیت های هوش مصنوعی برای بهبود ناکارآمدی های سیستم سلامت، علاقه مند هستند. برای مثال، شرکت ها می توانند از هوش مصنوعی برای شناسایی گروه هایی از جمعیت که داروهای جدید عملکرد خوبی دارند، استفاده کنند یا اینکه برای داروهایی که در یک کاربرد ناموفق بوده اند، کاربرد جدیدی پیدا کنند. چنین پیشرفت هایی می تواند فرآیند تایید داروهای جدید را سرعت ببخشد و هزینه های توسعه داروها را کاهش دهد. هوش مصنوعی می تواند در حوزه های دیگری نظیر مدیریت زنجیره تامین، پیشگیری، مراقبت و رصد وضعیت بیماری های مزمن، مورد استفاده قرار گیرد.

افزایش علاقه شرکت ها به کاربردهای هوش مصنوعی در سلامت

شرکت های جدیدی در حال انجام مقدمات سرمایه گذاری روی هوش مصنوعی هستند تا از سرمایه شان برای ایجاد اهرمی جدید برای توسعه و رشد کسب و کارشان استفاده کنند. افزایش خرید شرکت های نوپا توسط شرکت های بزرگ، روند مهم دیگری است که این ادعا را تایید می کند.

نقش اساسی داده در فعال کردن ظرفیت های هوش مصنوعی

دسترسی به داده یکی از نیازهای اساسی برای استفاده موفقیت آمیز از ظرفیت های هوش مصنوعی در حوزه سلامت است. توسعه فناوری هایی مثل گجت های پوشیدنی که گردآوری مستمر داده را ممکن می کنند و توسعه ابزارهای تحلیلی که مدیریت و تحلیل دقیق و سریع داده های موجود را میسر می کنند، دستیابی به این موفقیت را آسان تر می کنند. همانند دیگر حوزه ها که هوش مصنوعی نقشی اساسی در تحول ایجاد می کند، بدون دسترسی به داده هایی که اندازه و دقت مناسبی داشته باشند، هوش مصنوعی نخواهد توانست تمام ظرفیت هایش را بروز دهد. بر این اساس می توان پیش بینی که در افق کوتاه مدت، توجه سرمایه گذاران بیشتر متمرکز بر کسب و کارهای باشد که فرآیندهای گردآوری و تحلیل داده را تسهیل می کنند.

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *