Казано е достатъчно пъти, но AI се оказва, че променя играта в здравната индустрия. От просто пасивни участници във веригата на здравеопазването, пациентите сега поемат отговорността за здравето си чрез херметически задвижвани от AI системи за наблюдение на пациенти, устройства за носене, визуализирани прозрения за техните състояния и др. От гледна точка на лекарите и доставчиците на здравни услуги, AI проправя пътя за роботизирани ръце, усъвършенствани модули за анализ и диагностика, помощни хирургически ботове, предсказващи крила за откриване на генетични заболявания и проблеми и много други.
Въпреки това, тъй като AI продължава да влияе върху аспектите на здравеопазването, това, което също нараства, са предизвикателствата, свързани с генерирането и поддържането на данни. Както знаете, AI модул или система може да работи добре само ако е бил обучен точно с подходящи и контекстуални набори от данни за продължителен период от време.
В блога ще изследваме уникалните предизвикателства, пред които са изправени експертите и здравните специалисти, когато случаите на използване на ИИ в здравеопазването продължават да нарастват по отношение на тяхната сложност.
1. Предизвикателства при запазването на поверителността
Здравеопазването е сектор, в който поверителността е от решаващо значение. От подробностите, които влизат в електронни здравни досиета на пациенти и данни, събрани по време на клинични изпитвания, до данни, които носими устройства за дистанционно наблюдение на пациенти предават, всеки инч в здравното пространство изисква максимална поверителност.
Има много примери от реалния свят за това. За основно разбиране разберете, че Google твърдо поддържа 10-годишно изследователско разбирателство с Mayo Clinic и споделя ограничен достъп до данни, които са анонимизирани или деидентифицирани.
Въпреки че това е доста очевидно, няколко стартиращи фирми, базирани на AI, които работят върху внедряването на решения за предсказуем анализ на пазара, като цяло са доста мълчаливи относно източниците си за качествени данни за обучение на AI. Това очевидно се дължи на конкурентни причини.
Тъй като е толкова чувствителна тема, неприкосновеността на личния живот е нещо, което ветерани, експерти и изследователи все повече се интересуват от продължаващата бяла шапка. Съществуват HIPAA протоколи за деидентификация на данни и действащи клаузи за повторна идентификация. Занапред ще трябва да работим върху това как безпроблемно може да се установи поверителността, като същевременно разработваме усъвършенствани решения за изкуствен интелект.
2. Предизвикателства при елиминиране на пристрастия и грешки
Грешките и пристрастията в сегмента на здравеопазването могат да се окажат смъртоносни за пациентите и здравните организации. Грешки, произтичащи от неправилно поставени или неправилно подредени клетки, летаргия или дори небрежност, могат да променят курса на лечението или диагнозата за пациентите. Доклад, публикуван от Органа за безопасност на пациентите на Пенсилвания, разкрива, че са идентифицирани около 775 проблема в модулите на EHR. От тях грешките, свързани с човека, са около 54.7%, а грешките, свързани с машина, са близо 45.3%.
Освен грешките, пристрастията са друга сериозна причина, която може да доведе до нежелани последствия в здравните компании. За разлика от грешките, пристрастията са по-трудни за забелязване или идентифициране поради присъщата склонност към определени вярвания и практики.
Класически пример за това как пристрастието може да е лошо идва от доклад, който споделя, че алгоритмите, използвани за откриване на рак на кожата при хора, обикновено са по-малко точни при по-тъмни тонове на кожата, тъй като са били обучени най-вече да откриват симптоми при светли тонове на кожата. Откриването и елиминирането на отклонения е от решаващо значение и единственият път напред за надеждно използване на ИИ в здравеопазването.
3. Предизвикателства при установяването на оперативни стандарти
Оперативната съвместимост на данните е важна дума, която трябва да запомните в здравеопазването. Както знаете, здравеопазването е екосистема от различни елементи. Имате клиники, диагностични центрове, рехабилитационни центрове, аптеки, крила за научноизследователска и развойна дейност и др. Често повече от един от тези елементи изискват данни, за да работят по предназначението си. В такива случаи данните, които се събират, трябва да бъдат унифицирани и стандартизирани по начин, който изглежда и се чете по един и същи начин, без значение кой ги гледа.
За да се избегне това, стандартизацията трябва да стане по-ефективна във всички субекти. Значението, специфичните формати, условия и протоколи трябва да бъдат ясно изложени за задължително спазване. Само тогава тези данни могат да бъдат безпроблемно съвместими.
4. Предизвикателства при поддържането на сигурността
Сигурността е друга важна грижа в здравеопазването. Това ще се окаже най-скъпото, когато аспектите, свързани с поверителността на данните, се вземат по-малко сериозно. Данните за здравеопазването са съкровищница с прозрения за хакери и експлоататори и напоследък има много случаи на пробиви в киберсигурността. Рансъмуер и други злонамерени атаки са извършвани по целия свят.
Дори на фона на пандемията от Covid-19, близо до 37% от анкетираните в анкета споделиха, че са преживели ransomware атака. Киберсигурността е ключова във всеки даден момент.
Завършвайки
Предизвикателствата с данните в здравеопазването не се ограничават само до тях. Докато разбираме усъвършенстваната интеграция и работата на AI в здравеопазването, предизвикателствата стават все по-сложни, припокриващи се и преплетени.
Както винаги, ще намерим начин да се справим с предизвикателствата и ще дадем път на сложни системи с изкуствен интелект, които обещават да направят здравеопазване AI по-точни и достъпни.
