Как Шайп помага на екипите да изграждат AI решения за здравеопазване

Не очаквайте да бъдете лекувани от лекар робот следващия път, когато посетите лекарския кабинет. Компютрите и алгоритмите могат да ни казват какво да гледаме, какво да купуваме и кого да добавяме към нашите социални мрежи, но изследванията показват, че ИИ в здравеопазването не ще да замени човека болногледачи скоро.

Това обаче може да помогне за замяната на объркваща документация, удължено време на чакане, неправилни диагнози и други нежелани елементи от здравния опит с по-благоприятни. Изкуственият интелект може също да помогне на човешките лекари да мащабират практиките си, за да лекуват повече пациенти и да им даде възможност да предоставят по-персонализирани, ефективни грижи за отделните пациенти.

Да, дори през 2021 г. разговорите за AI и автоматизацията в здравеопазването обикновено се фокусират върху потенциала, обещанията и възможностите. В края на краищата, повечето от възможностите за базирани на AI приложения в пространството все още предстоят – главно защото все още трябва да се преодолеят големи препятствия, за да се разчисти пътят за широко разпространение в пространството. Докато това се случи, тази трансформативна технология ще продължи да се обсъжда по отношение на какво бих могъл бъде (а не това, което е).

В Shaip искаме да променим разговора, като помагаме на екипите за разработка на AI да преодолеят тези препятствия. Обичаме да говорим за какво БешеЧасовници можеше да задържи за AI в здравеопазването, но още повече обичаме да създаваме това бъдеще. Преди да се потопим в това как правим това обаче, нека отделим малко време, за да се съсредоточим върху настоящето.

AI не просто е готов да промени здравеопазването завинаги; вече има. Макар и все още сравнително нова, технологията е проникнала в почти всеки аспект на съвременната здравна система:

• В клинични настройки лекарите използват инструменти за изображения, подпомагани от изкуствен интелект, с усъвършенствани възможности за разпознаване на образи, за да изследват резултатите от компютърна томография, ядрено-магнитен резонанс и други видове визуални анализи, което им позволява по-бързо и точно откриване на заболяване и диагностициране на нараняване.
• В класната стая инструментите за машинно обучение помагат на учениците да съберат по-дълбока представа за човешкото тяло от всякога и им дават силата да изграждане на нови решения с приложения от реалния свят.
• В лабораторията изследователите използват сложни програми за кръстосано сравнение на нови лекарствени формули с лекарства, за които вече е известно, че са безопасни. След това те могат да ги възпроизвеждат и итерират, за да разработят антидоти и ваксини за рекордно време.
• Администраторите и ръководителите използват AI приложения, за да създадат по-интуитивни, ефективни преживявания на пациентите, които едновременно водят до приходи за доставчиците и осигуряват по-висококачествени грижи за пациентите. Списъкът продължава и продължава.

Тъй като четете това, вероятно вече осъзнавате влиянието на ИИ върху нашето здравеопазване системата е била масивна — и тепърва ще става все по-голяма. Като се имат предвид безбройните разнообразни участници в сектора, броят на предизвикателствата, с които AI решенията могат потенциално да се справят, изглежда безкраен.

Шаип е тук, за да помогне за реализирането на тези решения. Нашите услуги дават възможност на бизнеса и предприемачите да изграждат трансформиращи AI технологии за здравеопазване, които могат да разрешават проблеми от реалния свят в мащаб, като елиминират някои от най-големите препятствия по пътя си. А за екипите, работещи в сферата на здравеопазването, има много такива.

Блокади и червени знамена

Въпреки че обещанието на AI в здравеопазването никога не е било по-голямо, истинското интегриране на технологията в монолитната здравна система ще бъде процес, изпълнен с препятствия. Може би нито едно не е по-значимо от регулаторните пречки, които отличават медицината от други индустрии, в които приемането е станало по-бързо.

Измина почти четвърт век, откакто Конгресът прие Закона за преносимост и отчетност на здравното осигуряване (HIPAA), но същото законодателство все още управлява начина, по който доставчиците обработват данните на пациентите през 2021 г. За съжаление, то все повече поставя повече въпроси, отколкото отговори за лекари, пациенти и предприемачи, които искат да създадат нови медицински технологии. Нещо повече, мандатите на HIPAA сега се сближават с по-нови разпоредби относно информацията, разкриваща самоличността (PII). като Общия регламент за защита на данните на Европейския съюз (GDPR), Закона за защита на личните данни на Сингапур (PDPA) и Калифорнийския закон за защита на личните данни на потребителите (CCPA), който представлява първото цялостно законодателство, уреждащо използването на данни тук, в Съединените щати.

Ръстът в изискванията за телездраве, съпътстващ пандемията от COVID-19, има само добави още регулаторни главоболия. Като начало много пациенти получават дистанционно лечение чрез платформи, които не отговарят на стандартите на HIPAA, което може да ги направи уязвими към заплахи за поверителността. Дори платформи, които са съвместими, крият рискове, тъй като биха могли да разкрият чувствителна информация за пациента for печалба. Ръстът в търсенето на виртуални грижи доведе до много цифрови услуги, които попадат извън първоначалния обхват на HIPAA, и принуди големите технологични компании Facebook, Alphabet, Amazon и Microsoft да венчър в - пазар, внасяйки нови иновации, както и необходимостта от допълнителен надзор.

За регулаторите налагането на съответствие в рамките на тази сложна система от мандати е все по-трудно, тъй като данните се използват по нови начини и от все по-голям брой участници. По същия начин, за екипи, които се надяват да изградят и внедрят задвижвани от AI технологии в здравното пространство, гарантирането, че тези инструменти отговарят на съществуващите стандарти, изисква регулаторен опит, който е доста трудно да се намери.

Също така е трудно да се намери? Висококачествени медицински данни. Регулирането може да попречи на някои нови технологии да постигнат широко разпространение, но без качествени данни инструментите, базирани на AI, дори няма да преминат през етапа на разработка.

A скорошен проучване публикуван в списанието на Американската медицинска асоциация установи, че географското разпределение на пациенти, чиито данни се използват за обучение на алгоритми за машинно обучение, е ограничено най-вече до няколко щата, по-специално Калифорния, Ню Йорк и Масачузетс. Като се имат предвид икономическите, социалните, поведенческите и други характеристики, които тези пациенти могат да споделят помежду си, но не и с останалата част от страната, алгоритмите, обучени на тези данни, могат да обобщават лошо. Този проблем може да бъде решен с по-разнообразни набори от данни, но отново данните са трудни за получаване. Веднъж придобит, също така е трудно да се организира, което е друга критична стъпка за разработчиците на технологии за машинно обучение.

Много компании правят значителни инвестиции, за да намерят или създадат данни за своите алгоритми и след това харчат още повече анотатори, за да ги етикетират. Както при прекалено хомогенните набори от данни, данните, които не са правилно етикетирани и курирани, ще обучат програмите за изкуствен интелект да генерират пристрастни и неточни резултати, създавайки проблеми, които не могат лесно да бъдат коригирани. За съжаление, тези проблеми ще продължат да бъдат обичайни за екипите, работещи върху технологията за AI в здравеопазването. Изследване на Gartner разкрива, че до 85% of AI проектите ще доведат до грешни резултати в резултат на отклонение в управлението на данни до 2022 г.

Отново, има много други предизвикателства пред създаването на AI приложения за здравеопазване, както известни, така и неизвестни. Тъй като все повече разработчици навлизат в пространството и повече доставчици се сблъскват с решения дали да добавят базирани на AI решения към своите стратегии за лечение на пациенти, тези предизвикателства стават все по-големи. Въпреки че препятствията са неизбежни, когато се опитвате да изградите полезни, трансформиращи инструменти с помощта на нови технологии, Shaip помага на екипите да преодолеят много от най-големите препятствия, пред които в момента са изправени разработчиците в пространството.