Zostało to powiedziane wystarczająco wiele razy, ale sztuczna inteligencja udowadnia, że zmienia zasady gry w branży opieki zdrowotnej. Będąc tylko pasywnymi uczestnikami łańcucha opieki zdrowotnej, pacjenci przejmują kontrolę nad swoim zdrowiem dzięki hermetycznym systemom monitorowania pacjentów opartym na sztucznej inteligencji, urządzeniom do noszenia, wizualizowanym wglądom w ich stan i nie tylko. Z perspektywy lekarzy i świadczeniodawców sztuczna inteligencja toruje drogę dla ramion robotycznych, zaawansowanych modułów analitycznych i diagnostycznych, pomocniczych botów chirurgicznych, skrzydeł predykcyjnych do wykrywania zaburzeń i problemów genetycznych i nie tylko.
Jednak ponieważ sztuczna inteligencja nadal wpływa na aspekty opieki zdrowotnej, równie rosną wyzwania związane z generowaniem i utrzymywaniem danych. Jak wiadomo, moduł lub system AI może działać dobrze tylko wtedy, gdy był dokładnie przeszkolony z odpowiednimi i kontekstowymi zestawami danych przez dłuższy czas.
Na blogu przyjrzymy się wyjątkowym wyzwaniom, przed jakimi stają eksperci i specjaliści opieki zdrowotnej, gdy liczba przypadków użycia sztucznej inteligencji w opiece zdrowotnej rośnie pod względem ich złożoności.
1. Wyzwania w zachowaniu prywatności
Opieka zdrowotna to sektor, w którym prywatność ma kluczowe znaczenie. Od szczegółów, które wchodzą w elektroniczna dokumentacja medyczna pacjentów i danych zebranych podczas badań klinicznych do danych przesyłanych przez urządzenia do noszenia na ciele do zdalnego monitorowania pacjentów, każdy centymetr w przestrzeni opieki zdrowotnej wymaga najwyższej prywatności.
Jeśli w grę wchodzi tak dużo prywatności, jak szkolić nowe aplikacje AI wdrażane w opiece zdrowotnej? Cóż, w kilku przypadkach pacjenci na ogół nie są świadomi, że ich dane są wykorzystywane do celów naukowych i badawczych. Regulacje wymienione przez HIPAA oznaczają również, że organizacje i świadczeniodawcy mogą wykorzystywać dane pacjentów do funkcji opieki zdrowotnej oraz dzielić się danymi i spostrzeżeniami z odpowiednimi firmami.
Jest na to mnóstwo przykładów z prawdziwego świata. Aby uzyskać podstawowe zrozumienie, zrozum, że Google solidnie utrzymuje 10-letnią wiedzę badawczą z Mayo Clinic i udostępnia ograniczony dostęp do danych, które są anonimowy lub pozbawiony identyfikacji.
Chociaż jest to dość rażące, kilka start-upów opartych na sztucznej inteligencji, które pracują nad wprowadzeniem na rynek rozwiązań do analizy predykcyjnej, generalnie dość nie zna źródeł wysokiej jakości danych szkoleniowych AI. Wynika to oczywiście z powodów konkurencyjnych.
Będąc tak drażliwym tematem, prywatność jest czymś, co weterani, eksperci i badacze są coraz bardziej zainteresowani ciągłym białym kapeluszem. Istnieją protokoły HIPAA dotyczące deidentyfikacji danych oraz klauzule dotyczące ponownej identyfikacji. W przyszłości będziemy musieli pracować nad tym, jak bezproblemowo można ustanowić prywatność, jednocześnie rozwijając zaawansowane rozwiązania sztucznej inteligencji.
2. Wyzwania w eliminowaniu uprzedzeń i błędów
Błędy i uprzedzenia w segmencie opieki zdrowotnej mogą okazać się śmiertelne dla pacjentów i organizacji opieki zdrowotnej. Błędy wynikające z niewłaściwie umieszczonych lub niewspółosiowych komórek, letarg, a nawet nieostrożność mogą zmienić przebieg leczenia lub diagnozę dla pacjentów. Raport wydany przez Pennsylvania Patient Safety Authority ujawnił, że zidentyfikowano około 775 problemów w modułach EHR. Z tego, błędy po stronie człowieka wyniosły około 54.7%, a błędy po stronie maszyny blisko 45.3%.
Błędy są obok błędów kolejną poważną przyczyną, która może przynieść niepożądane konsekwencje w firmach medycznych. W przeciwieństwie do błędów, uprzedzenia są trudniejsze do zauważenia lub zidentyfikowania z powodu wrodzonej skłonności do pewnych przekonań i praktyk.
Klasyczny przykład tego, jak stronniczość może być zła, pochodzi z raportu, w którym stwierdza się, że algorytmy stosowane do wykrywania raka skóry u ludzi są mniej dokładne w przypadku ciemniejszych odcieni skóry, ponieważ byli oni w większości przeszkoleni w wykrywaniu objawów na jasnej karnacji. Wykrywanie i eliminowanie błędów systematycznych ma kluczowe znaczenie i jest jedyną drogą do niezawodnego wykorzystania sztucznej inteligencji w opiece zdrowotnej.
3. Wyzwania w tworzeniu standardów działania
Interoperacyjność danych to ważne słowo do zapamiętania w opiece zdrowotnej. Jak wiesz, opieka zdrowotna to ekosystem składający się z różnorodnych elementów. Masz kliniki, centra diagnostyczne, ośrodki rehabilitacyjne, apteki, skrzydła badawczo-rozwojowe i nie tylko. Często więcej niż jeden z tych elementów wymaga, aby dane działały zgodnie z ich przeznaczeniem. W takich przypadkach gromadzone dane muszą być jednolite i ustandaryzowane w taki sposób, aby wyglądały i odczytywały się tak samo bez względu na to, kto na nie patrzy.
W przypadku braku standaryzacji nastąpi chaos, w którym każdy element będzie utrzymywał swoją własną wersję tego samego rekordu. Tak więc każdy, kto patrzy na zbiór danych z nowej perspektywy, automatycznie się gubi i potrzebuje pomocy zainteresowanego organu, aby zrozumieć zawartość zbioru danych.
Aby tego uniknąć, standaryzacja musi być skuteczniejsza we wszystkich podmiotach. Znaczenie, określone formaty, warunki i protokoły muszą być jasno określone w celu obowiązkowego przestrzegania. Tylko wtedy dane mogą być bezproblemowo interoperacyjne.
4. Wyzwania w utrzymaniu bezpieczeństwa
Bezpieczeństwo to kolejna kluczowa kwestia w opiece zdrowotnej. To okaże się najdroższe, gdy aspekty związane z prywatnością danych będą traktowane mniej poważnie. Dane dotyczące opieki zdrowotnej to skarbnica spostrzeżeń dla hakerów i eksploatatorów, a ostatnio pojawiło się mnóstwo przypadków naruszeń cyberbezpieczeństwa. Na całym świecie przeprowadzono ransomware i inne złośliwe ataki.
Nawet podczas pandemii Covid-19, blisko 37% respondentów ankiety podzielili się, że doświadczyli ataku ransomware. Cyberbezpieczeństwo jest kluczowe w dowolnym momencie.
Owijanie w górę
Wyzwania związane z danymi w opiece zdrowotnej nie ograniczają się tylko do nich. Ponieważ rozumiemy zaawansowaną integrację i działanie sztucznej inteligencji w opiece zdrowotnej, wyzwania stają się coraz bardziej skomplikowane, nakładają się i przeplatają.
Jak zawsze, znaleźlibyśmy sposób na sprostanie wyzwaniom i ustąpiły miejsca wyrafinowanym systemom AI, które obiecują zrobić opieki zdrowotnej AI dokładniejsze i bardziej dostępne.
