Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας ( World Health Organization – WHO) οι ελλείψεις εργαζομένων στον τομέα της Υγείας αναμένεται να φτάσουν τα 4,5 εκατομμύρια νοσηλευτών.
Οι νοσηλευτές ήδη αισθάνονται την πίεση: περίπου το ένα τρίτο των νοσηλευτών παγκοσμίως εμφανίζουν συμπτώματα επαγγελματικής εξουθένωσης, όπως συναισθηματική κόπωση, και το επάγγελμα έχει υψηλό ποσοστό αποχώρησης.
Εδώ έρχεται η Nurabot. Μια προσπάθεια που βασίζεται σε δυο μεγάλες εταιρειες του τεχνολογικού τομέα: τη Foxconn και την Nvidia. Το αυτόνομο, τεχνητής νοημοσύνης ρομπότ νοσηλευτικής έχει σχεδιαστεί για να βοηθά τους νοσηλευτές σε επαναλαμβανόμενες ή σωματικά απαιτητικές εργασίες, όπως η χορήγηση φαρμάκων ή η καθοδήγηση των ασθενών στον θάλαμο.
Σύμφωνα με την Foxconn, την πολυεθνική εταιρεία της Ταϊβάν που βρίσκεται πίσω από το Nurabot, το ανθρωποειδές ρομπότ μπορεί να μειώσει το φόρτο εργασίας των νοσηλευτών έως και 30%.
Πιλοτική φάση
«Δεν πρόκειται για αντικατάσταση των νοσηλευτών, αλλά περισσότερο για την από κοινού εκπλήρωση μιας αποστολής», λέει η Αλις Λιν, διευθύντρια σχεδιασμού χρηστών στη Foxconn, γνωστή και ως Hon Hai Technology Group στην Ταϊβάν.
Το Nurabot βρίσκεται επί του παρόντος σε πιλοτική φάση στο Γενικό Νοσοκομείο Βετεράνων της Ταϊβάν (Taichung Veterans General Hospital).
Αναλαμβάνοντας επαναλαμβανόμενες εργασίες, το Nurabot απελευθερώνει τις νοσοκόμες για «εργασίες που τις χρειάζονται πραγματικά, όπως η φροντίδα των ασθενών και η λήψη αποφάσεων σχετικά με την κατάστασή τους, με βάση την επαγγελματική τους εμπειρία», δήλωσε η Λιν στο CNN σε μια βιντεοκλήση.
Το Nurabot, η ανάπτυξη του οποίου διήρκεσε μόλις 10 μήνες, βρίσκεται σε φάση δοκιμών σε νοσοκομείο της Ταϊβάν από τον Απρίλιο του 2025 — και τώρα, η εταιρεία προετοιμάζει το ρομπότ για εμπορική κυκλοφορία στις αρχές του επόμενου έτους. Η Foxconn δεν έχει προς το παρόν εκτίμηση για την τιμή λιανικής πώλησης.
Ενσωμάτωση τεχνητής νοημοσύνης
Η Foxconn συνεργάστηκε με την ιαπωνική εταιρεία ρομποτικής Kawasaki Heavy Industries για την κατασκευή του υλικού του Nurabot.
Η εταιρεία προσάρμοσε το μοντέλο ρομπότ εξυπηρέτησης «Nyokkey» της Kawasaki, το οποίο κινείται αυτόνομα με τροχούς, χρησιμοποιεί τα δύο ρομποτικά του χέρια για να σηκώνει και να κρατά αντικείμενα και διαθέτει πολλαπλές κάμερες και αισθητήρες που το βοηθούν να αναγνωρίζει το περιβάλλον του.
Με βάση την αρχική της έρευνα σχετικά με τις καθημερινές ρουτίνες και τα προβλήματα των νοσοκόμων — όπως το περπάτημα μεγάλων αποστάσεων στο θάλαμο για την παράδοση δειγμάτων — η Foxconn πρόσθεσε χαρακτηριστικά, όπως ένα χώρο για την ασφαλή αποθήκευση φιαλών και φιαλιδίων.
Το Nurabot διαθέτει ένα διαμέρισμα που το βοηθά να μεταφέρει με ασφάλεια φάρμακα και δείγματα από και προς το σταθμό των νοσοκόμων.
Το ρομπότ χρησιμοποιεί το κινεζικό μοντέλο γλώσσας της Foxconn για την επικοινωνία του, ενώ ο αμερικανικός τεχνολογικός γίγαντας Nvidia παρείχε την βασική υποδομή τεχνητής νοημοσύνης και ρομποτικής του Nurabot.

Κλινικοί γιατροί στο ακτινολογικό τμήμα του νοσοκομείου Taichung MetroHarbor του Tungs (Ταιβάν) χρησιμοποιούν την πλατφόρμα τεχνητής νοημοσύνης CoDoctor της Foxconn για ροές εργασίας ιατρικής απεικόνισης. cr: Foxconn
Η Nvidia αναφέρει ότι συνδύασε πολλαπλές ιδιόκτητες πλατφόρμες τεχνητής νοημοσύνης για να δημιουργήσει τον προγραμματισμό του Nurabot, ο οποίος επιτρέπει στο ρομπότ να περιηγείται ανεξάρτητα στο νοσοκομείο, να προγραμματίζει εργασίες και να αντιδρά σε λεκτικές και σωματικές ενδείξεις.
Η τεχνητή νοημοσύνη χρησιμοποιήθηκε επίσης για την εκπαίδευση και τη δοκιμή του ρομπότ σε μια εικονική έκδοση του νοσοκομείου, κάτι που, σύμφωνα με τη Foxconn, συνέβαλε στην ταχεία ανάπτυξή του.
Η τεχνητή νοημοσύνη επιτρέπει στο Nurabot να «αντιλαμβάνεται, να συλλογίζεται και να ενεργεί με πιο ανθρώπινο τρόπο» και να προσαρμόζει τη συμπεριφορά του «με βάση τον συγκεκριμένο ασθενή, το πλαίσιο και την κατάσταση», δήλωσε ο Ντέιβιντ Νιουονλι , διευθυντής επιχειρηματικής ανάπτυξης για την υγειονομική περίθαλψη και την ιατρική στην NVIDIA, σε email προς το CNN.
Βοήθεια ή εμπόδιο;
Το Nurabot έχει σχεδιαστεί για να βοηθά τις νοσοκόμες σε επαναλαμβανόμενες εργασίες, και όχι για να ασχολείται με τη φροντίδα των ασθενών.

Η έλλειψη προσωπικού δεν είναι το μόνο πρόβλημα που αντιμετωπίζει ο τομέας της υγειονομικής περίθαλψης.
Ο ηλικιωμένος πληθυσμός του κόσμου αυξάνεται ραγδαία: σύμφωνα με τον Παγκοσμιο Οργανισμο Υγειας , ο αριθμός των ατόμων ηλικίας 60 ετών και άνω αναμένεται να αυξηθεί κατά 40% έως το 2030, σε σύγκριση με το 2019. Μέχρι τα μέσα της δεκαετίας του 2030, ο ΟΗΕ προβλέπει ότι ο αριθμός των ατόμων ηλικίας 80 ετών και άνω θα ξεπεράσει τον αριθμό των βρεφών.
Κατά την τελευταία δεκαετία, ο αριθμός των εργαζομένων στον τομέα της υγειονομικής περίθαλψης αυξήθηκε σταθερά, αλλά όχι αρκετά γρήγορα ώστε να αντισταθμίσει την αύξηση του πληθυσμού και τη γήρανση. Η Νοτιοανατολική Ασία αναμένεται να είναι μία από τις περιοχές που θα πληγούν περισσότερο από την έλλειψη εργατικού δυναμικού στον τομέα της υγειονομικής περίθαλψης.
Με αυτούς τους επικείμενους παράγοντες πίεσης στο σύστημα υγειονομικής περίθαλψης, τα συστήματα που ενισχύονται με τεχνητή νοημοσύνη μπορούν να προσφέρουν τεράστια εξοικονόμηση χρόνου και κόστους, λέει ο Ρίκ Κουάν, καθηγητής νοσηλευτικής και δημόσιας υγείας και αναπληρωτής κοσμήτορας στο Tung Wah College στο Χονγκ Κονγκ.
Αλλαγές – Ασφάλεια – Ηθική
«Τα ρομπότ που υποστηρίζονται από τεχνητή νοημοσύνη μπορούν πραγματικά να αντικαταστήσουν ορισμένες επαναλαμβανόμενες εργασίες και να εξοικονομήσουν πολύ ανθρώπινο δυναμικό», λέει ο Κουάν.
Ωστόσο, θα υπάρξουν προκλήσεις: ο Κουάν επισημαίνει την προτίμηση των ασθενών για ανθρώπινη αλληλεπίδραση και την ανάγκη για αλλαγές στην υποδομή των νοσοκομείων.
«Μπορείτε να δείτε τα νοσοκομεία στο Χονγκ Κονγκ: είναι πολύ γεμάτα και παντού είναι πολύ στενά, οπότε δεν επιτρέπουν στα ρομπότ να κινούνται», λέει ο Κουάν . Τα νοσοκομεία έχουν σχεδιαστεί με βάση τις ανθρώπινες ανάγκες και τα ανθρώπινα συστήματα, και αν τα ρομπότ πρόκειται να καταστούν κεντρικά στη ροή εργασίας, αυτό θα πρέπει να επανασχεδιαστεί στο μέλλον, προσθέτει.
Η ασφάλεια είναι επίσης υψίστης σημασίας, λέει ο Κουάν — όχι μόνο όσον αφορά τον μετριασμό των φυσικών κινδύνων, αλλά και την ανάπτυξη πρωτοκόλλων ηθικής και προστασίας δεδομένων — και ενθαρρύνει μια αργή και προσεκτική προσέγγιση που επιτρέπει αυστηρές δοκιμές και αξιολογήσεις.