건강 기술이 우리를 실패하게 할 때

퓨 연구 센터 (Pew Research Center)에 따르면 미국인의 3 분의 1 이상이 건강 문제가 있다고 생각할 때 인터넷을 사용합니다. 그러나 그들의 검색 결과가 항상 의사를 방문한 것은 아닙니다.온라인자가 진단은 방대한 양의 온라인 건강 자원을 점점 더 많이 알고 있고 몸과 건강을 통제하고자하는 인터넷 사용자에게 일상적으로 사용되고 있습니다. 약속을 기다리는 대신 증상을 의사와상의하고 추가 진단 테스트를 간절히 원할 때 잠재적 인 환자는 이제 웹에 대한 광범위한 검색을 수행하고 가장 잘 맞는 것으로 보이는 증상을 발견 할 때까지 다른 증상을 병행하여 병행합니다.

인터넷은 건강 관련 정보를 거의 보편적으로 액세스 할 수 있도록합니다. 그것은 사람들에게 그들의 건강에 대해 교육시키고 도움을줌으로써 그들이 치료 옵션에 대해 정보에 입각 한 결정을 내릴 수 있도록 도와줍니다. 수년간의 오진으로 올바르게 진단 된 사람들의 사례가 있습니다. 최근의 사례는 Bronte Doyne의 불행한 이야기입니다. 브론테는 의사가 자기 진단을 중단하라고 말했고, 그녀가 확인한 상태로 궁극적으로 사망했지만, 너무 늦을 때까지 그녀를 치료하는 의사가 주목하지 않은 상태로 사망했습니다.

반면에 귀하의 의학 증상을 검색하는 것이 반드시 결의안에서 끝나는 것은 아니며 대부분의 경우 불면증을 불러 일으켜 이전의 하이 폰드 리드를 현재의 사이버 콘드릭으로 전환시킬 수 있습니다. 일부는 온라인 건강 정보를 지속적으로 검색하고, 스스로 조사하고, 안심할 수 있으며, 부적절한 테스트 및 시력 검사에 중독 될 수도 있습니다.

무해한 증상의 확대

일반적인 증상은 일부 사용자가 온라인 검색 중에 발생하는 희귀하고 심각한 상태를 탐색하도록 유도 할 수 있습니다. 2008 년 완료된 대규모 조사 결과에 따르면 웹 검색 엔진은 의학 교육이 거의 또는 전혀없는 사람들의 의학적 관심을 높일 수있는 가능성이 있습니다. 이 연구에 따르면 에스컬레이션은 사용자가 본 의학 콘텐츠의 양과 분포, 방문한 사이트에서의 놀라운 용어 사용, 불안해하는 경향에 영향을받는 것으로 나타났습니다. 대조적으로, 실제로 정확하게 자신을 진단 할 수있는 사람들이 있습니다. 특히 그들이 경험하고있는 것이 매우 구체적이고 비정형 인 경우. 예를 들어, 브론테 (Bronte)와 같은 경우, 이상 치는 때로는 간과되거나 간과되어 의료 팀이 일반적인 의학적 상태로 취급하지 않을 수 있습니다.

그러나 온라인에서 발견 된 건강 정보는 종종 정확하지 않거나 불완전합니다. 하발드 의과 대학의 연구자들은 23 개의 증상 검사기를 진단 및 선별 정확도로 평가할 때 걱정스러운 결함을 발견했습니다. 3 분의 1 (34 %)만이 진단을 처음으로 제대로 수행 할 수 있었으며, 절반 이상 (57 %)만이 올바른 선별 자문 (예: 응급 치료 또는 비 응급 치료 권장)을 제공했습니다. 또한, 사우스 캐롤라이나 의과 대학의 Mathew Chung에 따르면, 인터넷은 종종 최신 의학적 조언과 일치하지 않는 권장 사항을 제공합니다. 정은 안전한 유아 수면을위한 온라인 권고를 연구했습니다. 그는 1,300 개의 웹 사이트 중 절반 이상 (43.5 %)만이이 건강 주제에 대한 정확한 정보를 제공 한 것으로 나타났습니다.

온라인 증상 체커를 개선하는 방법은 무엇입니까?

수백만 명의 사용자가 온라인으로 건강 정보를 찾으면 많은 양의 데이터가 생성됩니다. 연구원은 이제 온라인 증상 체커를 더 잘 만들 수있는 예측 알고리즘을 테스트하기 위해이 데이터 세트를 활용하고 있습니다. 기계 학습의 최신 개발은 온라인 검색에서 패턴을 찾고 조건을 조기에 진단하려는 노력을 지원합니다. 박사 과정 학생 인 John Paparrizos는 2008 년 cyberchondria 보고서의 저자 인 Eric Horvitz와 Ryen White와 함께 이전 온라인 검색을 통해 최근에 췌장암으로 진단받은 사람들을 식별 할 수있는 알고리즘을 설계했습니다. 그들의 연구는 사람의 온라인 질의를 조사함으로써 심각한 진단이 잠재적으로 예측 될 수 있음을 보여주었습니다. 향상된 온라인 도구 시스템을 사용하면 환자를 치료하기에 너무 늦기 전에 환자를 감지 할 수 있습니다.

진단 실수 예방

임상 의사 결정 지원 시스템 (CDSS)은 의료 종사자가 증거 기반 결정을 내리고 치료 결과를 예측할 수있게 해주는 대화 형 응용 프로그램입니다. 의사들이 종종 잘못 진단하거나, 과소 평가 또는 과소 평가하고 /하거나 다른 의학적 전문 분야를 언급하지 않는 비판에 대한 부분적 대응으로서, CDSS는 의학에서 인공 지능의 주요 형태로 간주되며,보다 효율적이고 실용적이 될 것으로 기대됩니다. 우리는 의료계에서 디지털 혁명에 완전히 뛰어 드십시오.

CDSS는 선별 검사, 스크리닝, 위험 평가, 진단, 치료 평가 및 모니터링에 점점 더 많이 사용되고 있습니다. CDSS는 전자 건강 기록의 환자 데이터에도 링크 될 수 있습니다.

CDSS의 바람직한 모델은 유전 적, 임상 적 및 사회 인구 통계 학적 정보와 같은 여러 데이터 소스에 의존합니다. CDSS는 소위 '개인화 된 의학 (personalized medicine)'운동의 한 부분으로 인구에 기반하지는 않지만 대신 개인에게 맞춘 약리학 및 중재를 중심으로합니다. 시나이 센터의 생의학 정보학 센터를 이끌고있는 피터 엘킨 (Peter Elkin) 박사는 CDSS가 정확한 진단을 가능하게하고, 병원 입원을 단축하고, 생명을 구하고, 경제적 가치를 제공 할 수있는 감별 진단의 범위를 넓힐 수 있다고 제안했다. 환자와 제공자에게

일반적인 관행에서는 CDSS가 널리 채택되지는 않았지만 많은 전문가들은 그러한 도구가 오늘날 건강 관리에 존재하는 특이성을 극복하는 데 도움이 될 수 있다고 믿습니다.또한 CDSS의 가치는 전자 건강 기록 (EHR)과 함께 점차 인식되고 있습니다. 이러한 유형의 건강 기술은 종종 진단 과정에 영향을 미치고 환자가 불만을 갖게하는 이론과 실습 간의 격차를 해소 할 수 있습니다. 환자와 임상의는 건강 기술이 제공하는 기회에 익숙해 져야하며 기술적 인 혼란으로 인한 고유 한 문제의 현장을 잃지 않아야합니다. 이러한 도구가 발전함에 따라 사용자는 자신의 진료 및 치료 옵션에 대해보다 건강하고 정보에 입각 한 결정을 내릴 수있게되기를 바랍니다.

Chung, M., Oden, R. P., Joyner, B. L., Sims, A., & Moon, R. Y. (2012). 원본 기사: 안전한 유아 수면 추천 인터넷: Let It 's Google It. 소아과 학회지, 161: 1080-1084

Elkin P, Liebow M, Barnett G, et al. 교육 병원 서비스 워크 플로에 진단 의사 결정 지원 시스템 (DXplain ™)을 도입하면 진단 적으로 어려운 진단 관련 그룹 (DRG)에 대한 서비스 비용을 줄일 수 있습니다. 국제 의료 정보 학회지, 2010; 79(11):772-777

Paparrizos J, White R, Horvitz E. 웹 검색 로그의 신호를 이용한 췌장 선암 검사: 타당성 조사 및 결과. Journal of Oncology Practice, 2016;12(8):737-744

White R, Horvitz E. 사이버 콘 드리 아 (Camberchondria)는 웹 검색에서 의료 문제가 고조되는 것을 연구합니다. 정보 시스템에 대한 ACM 트랜잭션, 2009;(4):23

Semigran H, Mehrotra A, Linder J, Gidengil C. 자기 진단 및 분류를위한 증상 체커 평가: 감사 연구, 2015; 351