Вузькі місця в охороні здоров’я ШІ (і як їх подолати)

Ознайомтеся з усіма сесіями на замовлення саміту Intelligent Security Summit тут.


Сьогодні все більше постачальників медичних послуг користуються хвилею інновацій штучного інтелекту (AI), щоб надавати кращі медичні послуги. Сюди входить допомога у відкритті ліків, прогнозування ризику невиліковних захворювань, розробка нових ліків і використання керованих даними алгоритмів для покращення якості догляду за пацієнтами — і все це за підтримки рішень на основі ШІ.

Pera Labs, наприклад, стверджує, що є новаторською компанією з репродукції, яка використовує штучний інтелект і технологію лабораторії на мікросхемі, щоб «допомогти батькам-бажанням, допомагаючи клінікам з репродукції». [to] знизити стандартний рівень невдач лікування на 70%». Зі свого боку, HyperAspect розгортає свої рішення штучного інтелекту для відстеження таких речей, як записи пацієнтів і обладнання, надаючи закладам охорони здоров’я повну видимість усіх їхніх даних, щоб вони могли приймати кращі рішення.

Платформа NeuraLight, керована штучним інтелектом, об’єднує численні цифрові маркери для прискорення та покращення розробки ліків, моніторингу та точного догляду за пацієнтами з неврологічними розладами. А стартап Protai, що базується в Тель-Авіві та розробляє ліки на базі штучного інтелекту, стверджує, що він «перебудовує процес відкриття та розробки ліків за допомогою протеоміки та наскрізної платформи на основі штучного інтелекту».

Однак, хоча все більше постачальників медичних послуг використовують штучний інтелект і дані для покращення догляду за пацієнтами, деякі проблеми з технологіями на основі штучного інтелекту залишаються, особливо щодо етики штучного інтелекту та точності наборів даних. У попередній статті VentureBeat репортер Кайл Віггерс наголосив на дослідженні IDC, яке «оцінює обсяг даних про здоров’я, створюваних щорічно, які досягли понад 2000 ексабайт у 2020 році. [and] продовжуватиме зростати на 48% за рік». Незважаючи на те, що цей величезний обсяг даних надає величезну можливість для навчання моделей машинного навчання, Віггерс зазначив, що «набори даних, які використовуються для навчання цих систем, надходять із різних джерел, але в багатьох випадках пацієнти не повністю усвідомлюють, що їх інформація включена до їх».

Подія

Intelligent Security Summit On-Demand

Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та конкретних галузевих прикладах. Дивіться сеанси за запитом сьогодні.

Дивіться тут

Системи ШІ можуть стати практично незамінними, оскільки накопичується все більше даних про кожен аспект здоров’я. Але майбутнє штучного інтелекту в охороні здоров’я залежить від того, як постачальники медичних послуг зможуть обійти «технологічні, системні, регуляторні та ставлювальні перепони на шляху до успішного впровадження; і інтеграція штучного інтелекту в структуру охорони здоров’я», – йдеться в документі PubMed.​​

3 виклики для ШІ в охороні здоров’я

Ось три найбільші вузькі місця ШІ в охороні здоров’я сьогодні. І прочитайте кілька способів, як організації можуть просуватися до їх подолання.

1. Упередженість ШІ

Дані – це паливо, на якому працює ШІ. Великі обсяги даних допомагають організаціям ефективно навчати моделі ШІ. але забагато дані також можуть викликати «параліч аналізу». Упередженість штучного інтелекту часто виникає через проблеми в конвеєрі даних — наприклад, неточне маркування даних і погана інтеграція даних — і галузь охорони здоров’я не застрахована від цієї проблеми.

Експерти вказують на невід’ємні ризики в прогнозах, зроблених моделями штучного інтелекту, коли моделі беруть участь у реальних ситуаціях. Наприклад, дослідження 2019 року (опубліковано в Наука) оцінка алгоритму, який використовується лікарнями США, виявила, що мільйони темношкірих пацієнтів отримували нижчий рівень обслуговування, ніж білі пацієнти.

За словами Мікі Брейкстоуна, співзасновника та генерального директора NeuraLight, штучний інтелект чудово вчиться на основі наборів даних, але «коли ці набори даних неточні, це брудно [or] важко обробити (наприклад, якщо вони з’являються в неструктурованих формах, таких як вільний текст або зображення без тегів), набагато важче розкрити силу машинного навчання». Крім того, він зазначив, що «у багатьох випадках релевантних наборів даних просто не існує, і виникає проблема або вчитися на невеликій кількості прикладів, або використовувати ШІ для створення хорошого проксі для цих наборів даних».

Павло Павлов, генеральний директор HyperAspect, сказав, що, незважаючи на те, що сфера охорони здоров’я багата даними та підходить для детермінованої та недетермінованої аналітики, створити належні набори даних складно. Він додав, що заплутані внутрішні процеси та прагнення до швидкої окупності інвестицій перешкоджають довгостроковим позитивним результатам у комерційній та клінічній сферах. Отже, незважаючи на те, що в галузі охорони здоров’я існує багато даних, упередженість у наборах даних — що призводить до упередженості ШІ — заважає організаціям отримати найкращі та найточніші результати від своїх моделей ШІ.

2. Пояснюваність

Пояснюваний штучний інтелект (також званий XAI) «дає змогу ІТ-лідерам — особливо фахівцям із обробки даних та інженерам з машинного навчання — запитувати, розуміти та характеризувати точність моделі та забезпечувати прозорість у процесі прийняття рішень на основі штучного інтелекту», як зазначалося в попередній статті VentureBeat. Однією з головних проблем ШІ є довіра: люди все ще не повністю довіряють ШІ. Це особливо через упередження та помилки, пов’язані з моделями ШІ. Це проблема, яку зрозумілий ШІ прагне вирішити.

За словами Мікі Брейкстоуна з NeuraLight, «недостатньо мати математичне рішення питання без розуміння базових механізмів, які пояснюють, чому працює рішення, відкрите ШІ». Як приклад, сказав він, «розглянемо модель, згенеровану ШІ, яка здатна передбачити прогресування нейродегенеративного захворювання, такого як хвороба Паркінсона, за набором біомаркерів. Така модель нескінченно довго зустрічатиметься з підозрою з боку медичної спільноти, якщо основні механізми залишатимуться незрозумілими — і це справедливо! Незрозумілі моделі дуже сприйнятливі до химерних помилок, залишаючи лікарів у невіданні та нездатних втручатися від імені пацієнтів».

За словами генерального директора Pera Labs Бурака Озкесема, розуміння механізмів, що лежать в основі рішення ШІ, може допомогти «забезпечити прозорий процес продуктивності моделі».

3. Регламент

Озкесем сказав VentureBeat, що стійкий ШІ для галузі охорони здоров’я базується на двох речах: клінічній значущості та прозорості. Але, за його словами, прозорість, на жаль, змінюється в процесі комерціалізації, коли рішення штучного інтелекту переміщуються з лабораторії на ринок.

«Більшість моделей штучного інтелекту для здоров’я спочатку були розроблені дослідниками в університетах із загальнодоступними наборами даних», — сказав Озкесем. «Однак, коли ці моделі стають комерційними, набори даних… для навчання моделей мають надходити від користувачів і клієнтів. Це стає проблематичним через різні правила конфіденційності даних, наприклад HIPAA у США та GDPR у ЄС. Цей підхід штучного інтелекту з чорної скриньки дуже небезпечний для майбутніх методів лікування».

За словами Павла Павлова з HyperAspect, «головне [AI] вузьке місце в охороні здоров’я пов’язане з законодавством і правилами». Але він швидко додав, що вони є «необхідною огорожею, щоб уникнути конфіденційності даних та інших проблем, пов’язаних із дуже конфіденційною особистою інформацією».

Деякі рішення

Щоб подолати упередженість штучного інтелекту, Брейкстоун зазначив, що «голова полягає в створенні кращих, чистіших, неупереджених, великих наборів даних». Щоб було зрозуміліше, він додав, що «фахівцям зі штучного інтелекту важливо працювати рука об руку з лікарями та вченими, щоб гарантувати, що ШІ не залишиться незрозумілою чорною скринькою, а стане справді глибоким рішенням».

Стосовно правил Озкесем сказав, що «клініки повинні гарантувати, що їхні технології штучного інтелекту відповідають конфіденційності даних пацієнтів». Він також пояснив, що «першим кроком для організацій, щоб бути готовими до революції ШІ в охороні здоров’я, є оцифрування своїх записів. Це забезпечить безпечне, приватне, але більш ефективне лікування за допомогою штучного інтелекту, врятує більше життів і підвищить продуктивність клінік».

Озкесем також сказав, що інновації є ключовим інгредієнтом у розв’язанні деяких із цих проблем, а Павлов зазначив, що «головним попередником інновацій у будь-якій сфері є відкритість до нових технологій і терпіння для досягнення бажаного результату».

«Крім того, оптимізація внутрішніх процесів, які дозволяють швидку інтеграцію в екосистему підприємства, безсумнівно, стане основним фактором подолання [these] Вузькі місця ШІ».

Майбутнє ШІ в охороні здоров’я

Ринок програмного забезпечення для охорони здоров’я ШІ стрімко зростає. У звіті Omdia прогнозується, що до 2025 року ринок перевищить позначку в 10 мільярдів доларів. Хоча сьогодні використання ШІ в охороні здоров’я все ще пов’язане з кількома проблемами, тенденції та дані показують, що майбутнє ШІ в охороні здоров’я не під загрозою (принаймні для зараз).

Брейкстоун вважає, що зараз уся справа в прецизійній медицині, яку він описав як «використання штучного інтелекту для адаптації конкретного лікування для людини на основі всього її профілю (генетики, середовища, способу життя тощо) з метою оптимізації результатів для пацієнтів». У майбутньому, за його словами, «штучний інтелект зможе допомагати лікарям отримувати й обробляти величезну кількість даних про кожного пацієнта, а також автоматично пропонувати індивідуальний курс лікування та підбирати ліки для конкретної людини. це одночасно прозоро та зрозуміло, дозволяючи лікарям втручатися за потреби».

Тим часом, вважає Павлов, ШІ знайде більше застосування в профілактичній медицині. «Майбутнє штучного інтелекту в клініці та стоматології буде більш передбачуваним і зосередженим на запобіганні хворобам до їх розвитку, або [discovering them] на ранніх стадіях, щоб покращити результат для пацієнтів», – сказав він.

Генеральний директор Verikai Джефф Чен сказав VentureBeat, що «можна з упевненістю сказати, що обсяг створених даних буде тільки зростати. У цих даних занадто багато цінності, щоб штучний інтелект можна було повністю заборонити. Тож очікуйте, що уряд, галузь та правозахисні групи об’єднаються навколо спільної структури та набору практик, які врівноважуватимуть потребу в захисті персональних даних із реальними медичними перевагами використання цих даних у моделях ШІ».

Не лише засновники медичних компаній, що займаються штучним інтелектом, у захваті від того, як штучний інтелект може змінити спосіб роботи в охороні здоров’я. Дослідження Всесвітнього економічного форуму передбачило, що 2030 рік стане великим роком для застосування штучного інтелекту в охороні здоров’я, з кількома новими випадками використання, які рекламуються, щоб знайти вираження в тому, що дослідження назвало «справді проактивною, прогностичною системою охорони здоров’я». У дослідженні далі прогнозується, що «у 2030 році системи охорони здоров’я зможуть передбачити, наприклад, коли людина буде піддаватися ризику розвитку хронічного захворювання, і запропонувати профілактичні заходи до того, як воно погіршиться. Цей розвиток буде настільки успішним, що рівень діабету, застійної серцевої недостатності та ХОЗЛ (хронічної обструктивної хвороби серця) — на які сильно впливають соціальні детермінанти здоров’я (SDOH) — нарешті знизиться».

Оскільки технології штучного інтелекту прогресують у сфері охорони здоров’я, майбутнє схиляється до демократизації, де пацієнти матимуть більше контролю. Як написав Дамон Алтомаре, технічний директор VIP StarNetwork, у попередній статті VentureBeat: «Ми стоїмо на порозі демократизації охорони здоров’я. Це не тільки можливо, але й надзвичайно корисно. Це зменшить стрес, пов’язаний з орієнтуванням у системі охорони здоров’я, надасть пацієнту більше можливостей щодо послуг і вартості, а також допоможе знизити загальні витрати на охорону здоров’я за рахунок збільшення конкуренції на ринку».

Місія VentureBeat має стати цифровою міською площею для тих, хто приймає технічні рішення, щоб отримати знання про трансформаційні корпоративні технології та транзакції. Відкрийте для себе наші брифінги.

Leave a Comment