È qui che entra in gioco l’ottimizzazione per i motori di ricerca o la SEO

È qui che entra in gioco l’ottimizzazione per i motori di ricerca o la SEO Può anche trarre vantaggio da foto e video, che hanno [...]

È qui che entra in gioco l’ottimizzazione per i motori di ricerca o la SEO

Può anche trarre vantaggio da foto e video, che hanno maggiori probabilità di aiutare i potenziali pazienti a sviluppare una connessione emotiva con i fornitori.

Ovviamente, i pazienti non possono sviluppare una connessione con lo studio se non riescono a trovare il sito web. E a meno che il tuo potenziale paziente non ti conosca per nome, non digiterà l’indirizzo web dello studio nel proprio browser. È molto probabile che vadano su Google o Yahoo e digitino qualcosa come “Trova medici ad Atlanta specializzati in gastroenterologia” o anche “dottori Atlanta stomaco”. Il problema con questo approccio è che molti medici corrispondono a questa descrizione. Infatti, quest’ultima query produce circa 6,9 milioni di risultati in una ricerca su Google. Se la tua pratica è elencata come il 35 ° risultato dal motore di ricerca, è probabile che i potenziali pazienti non scorreranno mai abbastanza in basso nella pagina per vederlo e sceglieranno invece qualcuno tra i primi 10 risultati.

È qui che entra in gioco l’ottimizzazione per i motori di ricerca o la SEO. Se il sito web è progettato correttamente, utilizzando diverse parole chiave pertinenti nella parte superiore della home page e incorporate nel codice sorgente che il paziente non vede mai, la probabilità che il tuo sito web appaia in cima all’elenco è molto maggiore. Quelle parole chiave dovrebbero essere termini che i pazienti hanno più probabilità di inserire nella query di Google. Come spiega Zach Stone, analista SEO senior presso Foster Web Marketing: “Il primo errore che i medici commettono è pensare che tutto ciò di cui hanno bisogno sia un sito web; c’è molto di più. Ci sono molti ottimi siti web di studi medici che non stanno raggiungendo il loro potenziale a causa della mancanza di sforzi SEO. “

Supponendo per il momento che il sito web dello studio abbia seguito le linee guida degli esperti sulla SEO, il prossimo passo cruciale è coinvolgere non solo gli utenti seduti davanti a un computer desktop, ma anche gli utenti mobili. Quasi il 60% degli adulti americani possiede uno smartphone.4 Per raggiungere questi potenziali pazienti è necessario che tutte le informazioni autorevoli ed eccellenti sul tuo sito web siano formattate in modo tale da essere facilmente leggibili sullo schermo più piccolo dello smartphone.

Un web designer competente utilizzerà un processo che rende il contenuto scalabile o “reattivo”. Ciò comporta la riformattazione di immagini e testo in modo che il tuo messaggio non scompaia dal lato dello schermo dello smartphone o richieda uno scorrimento fastidioso e incessante da sinistra a destra.

Infine, una volta lanciato un sito web scalabile abilitato per SEO che risponde alle esigenze educative dei pazienti, è importante misurarne la copertura. Le grandi aziende di solito assumono fornitori di analisi dei dati per misurare l’impatto dei loro siti web, ma Eva Sheie, direttrice della strategia online di RealPatientRatings.com, incoraggia i medici a trarre vantaggio da Google Analytics. È un servizio gratuito che ti consente di generare statistiche dettagliate sulla quantità di traffico ricevuta dal tuo sito e da dove proviene il traffico. Il servizio di base è disponibile su http://www.google.com/analytics/.

" ,"

I migliori diagnostici sono bravi a riconoscere i modelli che gli altri trascurano. Ma anche i medici più esperti possono utilizzare un piccolo aiuto per integrare una costellazione di segni, sintomi, immagini e risultati di laboratorio per arrivare a una diagnosi accurata. I tecnologi hanno cercato di fornire tale assistenza per molti anni e stanno facendo progressi costanti attraverso lo sviluppo di sofisticati sistemi di supporto clinico e motori di analisi. Gli strumenti che hanno progettato meritano di essere presi in considerazione per l’uso al capezzale?

Prendi nota

Gli ausili diagnostici basati su regole utilizzano una serie di affermazioni if ​​/ then per guidare i medici attraverso un albero decisionale per arrivare a una diagnosi provvisoria. Alcuni esperti, tuttavia, ritengono che il software di riconoscimento dei pattern possa essere più utile per prevedere i tassi di riammissione in ospedale o per aiutare a rilevare anomalie nelle immagini mediche. Il vero vantaggio dei sistemi di supporto alle decisioni cliniche può derivare da algoritmi non sexy, che possono aiutare gli operatori a girare più rapidamente le stanze in sala operatoria o in terapia intensiva o aiutare i pazienti a muoversi attraverso il pronto soccorso.

I sistemi di supporto alle decisioni cliniche (in breve CDSS) come ClinicalKey e UpToDate possono aiutare i medici ad arrivare a una diagnosi definitiva. In genere, gli utenti digitano una sospetta malattia in un motore di ricerca e rivedono una monografia di esperti per vedere se il loro sospetto concorda con l’analisi degli esperti. Questi sistemi possono essere utilizzati anche in “modalità inversa”, cioè digitando un singolo segno o sintomo come “ematuria” e visualizzando una serie di possibili direzioni diagnostiche da perseguire o un albero decisionale per assistere nella diagnosi differenziale. Ma il riconoscimento di schemi che questi strumenti digitali offrono è principalmente il prodotto delle menti dei singoli medici esperti che scrivono le monografie e gli algoritmi diagnostici. Alcuni ausili diagnostici fanno un ulteriore passo avanti nel processo di ragionamento clinico applicando l’apprendimento automatico (di cui parleremo più avanti) e incorporando il software di analisi predittiva nel loro servizio stesso.

Due approcci diversi

Una recente revisione della letteratura di Martínez-Pérez e colleghi ha rivelato l’esistenza di 192 CDSS mobili disponibili in commercio.1 Alcuni dei migliori adottano un approccio basato su regole o un approccio di apprendimento automatico.

Qual è la differenza tra questi? Gli ausili diagnostici basati su regole utilizzano una serie di dichiarazioni if ​​/ then per guidare i medici attraverso un albero decisionale per arrivare a una diagnosi provvisoria. Ad esempio, in un paziente che si presenta con ematuria, il programma può offrire un punto cardine come: SE c’è una storia di trauma, ALLORA eseguire una TAC dell’addome e del bacino.

L’apprendimento automatico, d’altra parte, costruisce algoritmi diagnostici dai dati retrospettivi del paziente che que es slim4vit il sistema raccoglie e fa previsioni sulla base di quei dati sintetizzati. In termini più semplici, l’apprendimento automatico consente a un computer di apprendere senza essere programmato esplicitamente. Altri approcci utilizzati per costruire strumenti di riconoscimento di pattern includono teoria degli insiemi, reti bayesiane, reti neurali artificiali e ragionamento basato sui casi.2

Esistono diversi programmi creativi che possono aiutare i medici a riconoscere i modelli che potrebbero non essere rilevati senza l’analisi computazionale. Le scelte includono un rilevatore di andatura mobile, che può aiutare a rilevare i disturbi motori nei pazienti con malattia di Parkinson; un sistema che raccoglie le letture della pressione sanguigna di un paziente per telefono e utilizza un motore di ragionamento per calcolare il rischio di malattie cardiovascolari sulla base di questi dati e di altri fattori clinici; e uno strumento digitale che può aiutare a prevedere la malattia renale allo stadio terminale in alcuni pazienti ad alto rischio

Portare la tecnologia a un livello superiore

Altri programmi consentono all’utente di inserire un lungo elenco di segni, sintomi, risultati di immagini e dati di laboratorio e, in cambio, il sistema suggerisce potenziali diagnosi in ordine decrescente di probabilità, in alcuni casi con statistiche di probabilità per ciascuna diagnosi.

Prendi, ad esempio, il servizio fornito da SimulConsult. Un esempio delle sue capacità di riconoscimento dei modelli è fornito in un case study3,4 situato sul sito web dell’azienda. In questo caso, un bambino si presenta con cifosi. La schermata iniziale consente agli utenti di inserire i risultati del paziente, inclusi età, sesso e storia familiare e caratteristiche fisiche insolite (cifosi in questo caso). Dopo che il medico ha aggiunto i dati iniziali, il programma chiede all’utente di indicare se esiste anche la scoliosi e quando è iniziata la cifosi. Sulla base di questi dati, il programma avvia il processo di diagnosi differenziale, attingendo al proprio database di probabili malattie. Il valore del programma diventa chiaro quando il motore di analisi presenta all’utente un elenco di possibili diagnosi classificate in ordine di probabilità relativa.

Nella fase successiva, il programma richiede un elenco di segni aggiuntivi per aiutare a restringere le scelte di malattia, inclusa la macrocefalia, che il bambino in questo scenario ha. La combinazione di quel cartello con l’età del bambino genera un nuovo grafico che consente all’utente di vagliare ulteriormente le scelte. Alla fine indica la mucopolisaccaridosi di tipo I come diagnosi provvisoria, che si sposta in cima alla lista delle probabilità. Per mezzo di ulteriori richieste e suggerimenti per i dati di laboratorio, si può arrivare a una diagnosi più accurata. SimulConsult si unisce a una raccolta di altri programmi di supporto alle decisioni cliniche, tra cui VisualDx, Isabel e servizi che sfruttano l’intelligenza artificiale del supercomputer IBM Watson.

Sei insostituibile

Nessuno di questi fornitori suggerisce che uno strumento diagnostico digitale possa sostituire il ragionamento e le capacità intuitive di un medico esperto e per una buona ragione. Quando un paziente entra nel pronto soccorso lamentando dolore addominale, ad esempio, un diagnostico potrebbe dover esplorare diverse cause infettive, maligne, metaboliche, gastrointestinali e genito-urinarie. Ciascuna di queste possibilità richiede un elenco molto lungo di domande da porre al paziente, una serie diversificata di opzioni di test di laboratorio, opzioni di esame fisico e così via. Un diagramma di flusso che include tutte le possibili strade da esplorare rimane ingestibile anche per sistemi di intelligenza artificiale sofisticati.

Con tali limitazioni in mente, alcuni esperti ritengono che il software di riconoscimento dei modelli possa essere più utile per prevedere i tassi di riammissione in ospedale o aiutare a rilevare anomalie nelle immagini mediche. Durante una recente intervista, James Lebret, MD, Assistant Professor of Medicine and Clinical Innovation presso la NYU Langone Medical Center, ha affermato di essere entusiasta del potenziale dei CDSS come ausili diagnostici e del potenziale del wearable computing per avere un impatto diretto sui risultati clinici. Ma su una nota più pratica, il dott. Lebret ritiene che “il vero vantaggio verrà da algoritmi poco sexy, cose che ci aiuteranno a essere più efficienti in termini di turnover della stanza in sala operatoria o in terapia intensiva, o aiutando i pazienti a muoversi attraverso il pronto soccorso. “

" ,"

Pochi osservatori metterebbero in dubbio che la tecnologia dell’informazione (IT) ha avuto un impatto importante sulla medicina negli ultimi dieci anni. E molti appassionati di IT ritengono che l’impatto sia stato per lo più positivo, migliorando l’assistenza ai pazienti in vari modi. Ma una recente critica dei ricercatori della Rand Corporation e della Harvard Medical School discute di diverse carenze che hanno rallentato il ritmo dell’innovazione e ostacolato l’utilità degli strumenti digitali esistenti.1