به نقل از «ایران آنلاین»

جهانپور: هدف از ارائه انسولین با کد ملی، احراز هویت بیمار دیابتی است

تاریخ انتشار: ۲۸ مهر ۱۳۹۹ | کد خبر: ۲۹۶۹۳۱۳۰

رییس مرکز روابط عمومی و اطلاع رسانی وزارت بهداشت، درمان و آموزش پزشکی گفت: ارائه انسولین با کد ملی به بیماران دیابتی، تصمیم جدیدی نیست و منظور از این اقدام، احراز هویت بیمار است.

کیانوش جهانپور روز دوشنبه در یک گفت‌ وگوی تلویزیونی درباره ارائه انسولین با کد ملی به بیماران دیابتی افزود: سامانه‌ای برای این اقدام با کمک سازمان‌های بیمه‌گر فراهم شده است.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

همه بیماران دیابتی که به انسولین نیاز دارند، بر اساس سهمیه تجویزی توسط پزشک، در این سامانه‌ها احراز هویت شده و با کد ملی خود می‌توانند سهمیه انسولین خود را دریافت کنند.

وی درباره دلیل این اقدام اظهار کرد: شیب قیمتی بالایی در مورد بسیاری از داروها و به خصوص انسولین، نسبت به کشورهای همجوار داریم. همیشه احتمال و خطر این موضوع وجود دارد که برخی از این داروها در اختیار افرادی به جز بیماران واقعی قرار گیرد و سپس دارو را قاچاق کرده و در کشورهای همجوار بفروشند.

جهانپور ادامه داد: این اقدام برای این انجام شده که مطمئن باشیم انسولین تهیه شده با ارز دولتی، به مصرف کننده و بیمار واقعی می‌رسد. زنجیره ورود انسولین از لحظه ورود به کشور تا رسیدن به دست مصرف کننده واقعی در این فرآیند قابل رصد است.

رییس مرکز روابط عمومی و اطلاع رسانی وزارت بهداشت گفت: قبل از این، برای برخی داروهای بیماران خاص، صدور حواله الکترونیک در سامانه‌های دارویی فعال شده بود، این مورد فقط به انسولین قلمی اختصاص پیدا کرده است.

وی افزود: کمبود برخی انواع انسولین قلمی را با توجه به تحریم‌ها و مشکلات تامین و تخصیص ارز و تبادلات بانکی شاهد هستیم. در حال حاضر نیز برخی انواع انسولین قلمی ممکن است که محدودتر شده باشد، اما با واردات محموله‌هایی از انسولین قلمی، این محدودیت رفع می‌شود.

جهانپور درباره میزان تخصیص انسولین به هر بیمار نیز بیان کرد: میزان انسولین دریافتی هر بیمار از طرف پزشک تجویز و توسط سازمان بیمه‌گر تایید می‌شود. البته ممکن است داروخانه‌ها به علت کمبودها، سهمیه یک ماهه فرد را تحویل نداده یا بخشی از سهمیه را تحویل بدهند اما تحویل انسولین دقیقا مطابق با درخواست پزشک و نیاز بیمار برآورد می‌شود.

وی اظهار کرد: در سامانه‌ها مشخص است که بیمار در یک ماه گذشته چقدر انسولین دریافت کرده و اگر بقیه انسولین ماهانه را دریافت نکرده باشد، مشکلی در دریافت انسولین، در صورت تامین وجود نخواهد داشت.

به گزارش ایرنا، کمبود انسولین طی هفته های اخیر مشکلاتی را برای مبتلایان به دیابت ایحاد کرده است.

محمدرضا شانه ساز رییس سازمان غذا ودارو روز گذشته(یکشنبه) گفت: ‌کمبود مقطعی انسولین به علت تحریم ها و مشکلات انتقال ارز است و با و ورود محموله های جدید به صورت سهمیه ای با کد ملی بین بیماران توزیع می شود./ایرنا

منبع: ایران آنلاین

کلیدواژه: انسولین قلمی کد ملی

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت ion.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایران آنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۹۶۹۳۱۳۰ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

استفاده از ChatGPT برای ارزیابی مشکل قلبی عاقلانه نیست!

پژوهشگران «دانشگاه ایالتی واشنگتن» در یک آزمایش جدید دریافتند که ChatGPT نمی‌تواند عملکرد خوبی را در ارزیابی مشکل قلبی داشته باشد.

به گزارش ایسنا، به رغم توانایی‌های گزارش‌ شده درباره ChatGPT برای قبول شدن در آزمون‌های پزشکی، یک پژوهش جدید نشان می‌دهد که اتکا به این فناوری برای برخی ارزیابی‌های سلامتی مانند بررسی نیاز بیمار مبتلا به درد قفسه سینه به بستری شدن در بیمارستان عاقلانه نیست.

به نقل از میراژ نیوز، در پژوهش جدیدی که شامل هزاران وضعیت شبیه‌سازی شده از بیماران مبتلا به درد قفسه سینه است، ChatGPT نتایج متناقضی را ارائه کرد و سطوح متفاوتی را از ارزیابی خطر مشکل قلبی در داده‌های به‌دست‌آمده از بیماران نشان داد. همچنین، این سیستم هوش مصنوعی مولد نتوانست با روش‌های سنتی مطابقت داشته باشد که پزشکان از آنها برای قضاوت درباره خطر مشکل قلبی بیمار استفاده می‌کنند.

دکتر «توماس هستون»(Thomas Heston) پژوهشگر دانشکده پزشکی «دانشگاه ایالتی واشنگتن»(WSU) گفت: ChatGPT به یک شیوه ثابت عمل نمی‌کرد. با توجه به داده‌های مشابه، ChatGPT رتبه خطر پایینی را ارائه می‌دهد. دفعه بعد یک رتبه متوسط را پیش‌بینی می‌کند و گهگاه تا افزایش خطر پیش می‌رود.

هستون گفت: پژوهشگران باور دارند این مشکل احتمالا به دلیل سطح تصادفی بودن نسخه کنونی نرم‌افزار ChatGPT۴ است که به آن کمک می‌کند تا پاسخ‌هایی را برای شبیه‌سازی زبان طبیعی ارائه دهد. با وجود این، همین تصادفی بودن باعث می‌شود نرم‌افزار برای کاربردهای حوزه سلامت که به یک پاسخ منسجم نیاز دارند، به خوبی کارآیی نداشته باشد.

هستون ادامه داد: ما متوجه شدیم که تنوع زیادی وجود دارد و این تنوع در رویکرد می‌تواند خطرناک باشد. این فناوری می‌تواند برنامه سودمندی باشد اما من معتقدم که فناوری بسیار سریع‌تر از درک ما پیش می‌رود. بنابراین، بسیار مهم است که پژوهش‌های بسیاری را به ‌ویژه در موقعیت‌های بالینی پرخطر انجام دهیم.

درد قفسه سینه، یکی از شکایت‌های رایج در اورژانس است که پزشکان را ملزم می‌کند تا فوریت وضعیت بیمار را مورد ارزیابی قرار دهند. هستون گفت: برخی از موارد بسیار جدی را به راحتی می‌توان با توجه به علائم آنها شناسایی کرد اما موارد کم‌خطر ممکن است پیچیده‌تر باشند؛ به ویژه هنگام تعیین اینکه آیا بیماری باید برای بررسی بیشتر در بیمارستان بستری شود یا به خانه برود و مراقبت‌های سرپایی را دریافت کند.

متخصصان پزشکی در حال حاضر اغلب از یکی از دو معیار موسوم به TIMI و HEART برای ارزیابی خطر مشکل قلبی استفاده می‌کنند. هستون این مقیاس‌ها را به ماشین‌حساب‌هایی تشبیه کرد که متغیرهای انگشت‌شمار را مانند علائم، سابقه سلامت و سن استفاده می‌کنند. در مقابل، یک شبکه عصبی هوش مصنوعی مانند ChatGPT می‌تواند میلیاردها متغیر را به سرعت ارزیابی کند. این بدان معناست که شاید ChatGPT بتواند یک موقعیت پیچیده را سریع‌تر و دقیق‌تر تحلیل کند.

برای این پژوهش، هستون و همکارش دکتر «لارنس لوئیس»(Lawrence Lewis) پژوهشگر «دانشگاه واشنگتن در سنت لوئیس»(WashU) ابتدا سه مجموعه داده را از ۱۰ هزار مورد تصادفی و شبیه‌سازی‌شده ایجاد کردند. یک مجموعه داده دارای هفت متغیر مقیاس TIMI، مجموعه دوم شامل پنج متغیر مقیاس HEART و مجموعه سوم دارای ۴۴ متغیر تصادفی سلامت بود. در دو مجموعه داده اول، ChatGPT ارزیابی خطر متفاوتی را در ۴۵ تا ۴۸ درصد مواقع نسبت به امتیاز ثابت TIMI یا HEART ارائه کرد. پژوهشگران برای آخرین مجموعه داده، موارد را چهار بار اجرا کردند و دریافتند که ChatGPT اغلب با خودش موافق نیست و در ۴۴ درصد مواقع، سطوح ارزیابی متفاوتی را برای موارد مشابه ارائه می‌دهد.

به رغم یافته‌های منفی این پژوهش، هستون پتانسیل زیادی را برای هوش مصنوعی مولد در مراقبت‌های بهداشتی پیش‌بینی می‌کند. به عنوان مثال، با فرض رعایت استانداردهای حفظ حریم خصوصی، کل سوابق پزشکی را می‌توان در برنامه بارگذاری کرد و در شرایط اضطراری، پزشک می‌تواند از ChatGPT بخواهد تا سریع‌ترین حقایق را درباره یک بیمار ارائه دهد. همچنین، پزشکان برای موارد دشوار و پیچیده می‌توانند از برنامه بخواهند تا چندین تشخیص احتمالی را ارائه دهد.

هستون گفت: ChatGPT می‌تواند در ارائه دادن تشخیص افتراقی عالی باشد و این احتمالا یکی از بزرگ‌ترین نقاط قوت آن است. اگر کاملا نمی‌دانید که درباره یک بیمار چه می‌گذرد، می‌توانید از ChatGPT بخواهید تا پنج تشخیص اصلی و استدلال خود را برای هر یک از آنها ارائه دهد. بنابراین، ChatGPT می‌تواند به شما کمک کند تا درباره یک مشکل فکر کنید اما در پاسخ دادن خوب نیست.

این پژوهش در مجله «PLOS ONE» به چاپ رسید.

انتهای پیام