AI בריאות

4 נתונים ייחודיים מאתגרים את השימוש ב- AI מסיבות בריאותיות

זה נאמר מספיק פעמים אבל AI מתגלה כמשנה משחק בתעשיית הבריאות. מכיוון שהם רק משתתפים פאסיביים בשרשרת הבריאות, המטופלים לוקחים כעת אחריות על בריאותם באמצעות מערכות ניטור מטופלים אטומות על ידי AI, מכשירים לבישים, תובנות ויזואליות על תנאיהם ועוד. מנקודות מבט של רופאים ונותני בריאות, AI סוללת את הדרך לזרועות רובוטיות, מודולי ניתוח ואבחון מתוחכמים, בוטים כירורגיים מסייעים, כנפיים חיזוי לאיתור הפרעות וחששות גנטיים ועוד.

עם זאת, ככל שה-AI ממשיכה להשפיע על היבטי הבריאות, מה שעולה באותה מידה הוא האתגרים הקשורים בהפקה ותחזוקה של נתונים. כידוע, מודול או מערכת בינה מלאכותית יכולים לבצע ביצועים טובים רק אם הם עברו הכשרה מדויקת עם מערכי נתונים רלוונטיים והקשריים במשך תקופה ממושכת.

בבלוג נחקור את האתגרים הייחודיים שעומדים בפני מומחים ומומחי בריאות כאשר מקרי השימוש ב- AI ברפואה ממשיכים לגדול מבחינת מורכבותם.

1. אתגרים בשמירה על פרטיות

שירותי בריאות הם תחום שבו פרטיות היא קריטית. מהפרטים שנכנסים ל רישומי בריאות אלקטרוניים של מטופלים ונתונים שנאספו במהלך ניסויים קליניים לנתונים שמעבירים מכשירים לבישים לניטור מטופלים מרחוק, כל סנטימטר במרחב הבריאות דורש פרטיות מירבית.

אתגרים בשמירה על פרטיות אם יש כל כך הרבה פרטיות, כיצד יישמו יישומי AI חדשים הפרוסים בתחום הבריאות? ובכן, במספר מקרים, המטופלים אינם מודעים באופן כללי לכך שהנתונים שלהם משמשים למטרות מחקר ומחקר. התקנות שהוזכרו על ידי HIPAA מרמזות גם שארגונים וספקי שירותי בריאות יכולים להשתמש בנתוני מטופלים לתפקודי בריאות ולשתף נתונים ותובנות עם עסקים רלוונטיים.

יש לכך המון דוגמאות מהעולם האמיתי. לקבלת הבנה בסיסית, דע כי Google שומרת בחוזקה על הבנת מחקר של 10 שנים עם Mayo Clinic ומשתפת גישה מוגבלת לנתונים שהם אנונימי או מזוהה.

למרות שזה די בוטה, מספר חברות הזנק מבוססות AI שעובדות על הפעלת פתרונות אנליטיקה מנבאים בשוק בדרך כלל די אינן לגבי המקורות שלהן לנתוני אימון AI מלאים. ברור שזה נובע מסיבות תחרותיות.

בהיותו נושא כל כך רגיש, פרטיות היא משהו שחיילים משוחררים, מומחים וחוקרים מתלהבים יותר ויותר עם כובע לבן מתמשך. קיימים פרוטוקולי HIPAA לביטול זיהוי נתונים וסעיפים לזיהוי מחדש. בהמשך, נצטרך לעבוד על האופן שבו ניתן ליצור פרטיות בצורה חלקה תוך פיתוח בו-זמנית פתרונות AI מתקדמים.

2. אתגרים בסילוק הטיות ושגיאות

שגיאות והטיות בגזרת שירותי הבריאות עלולות להתגלות קטלניות לחולים ולארגוני בריאות. שגיאות הנובעות מתאים שלא במקומם או לא מיושרים, עייפות או אפילו חוסר זהירות עלולות לשנות את מהלך הטיפול התרופתי או האבחון של המטופלים. דו"ח שפורסם על ידי הרשות לבטיחות חולים בפנסילבניה גילה כי זוהו כ-775 בעיות במודולי EHR. מתוך כך, שגיאות הקשורות לאדם עמדו על כ-54.7% ושגיאות הקשורות למכונה נספרו קרוב ל-45.3%.

מלבד טעויות, הטיות הן סיבה רצינית נוספת העלולה להביא לתוצאות לא רצויות בחברות בריאות. שלא כמו טעויות, הטיות קשות יותר לאיתור או זיהוי בגלל נטייה מובנית לאמונות ולשיטות מסוימות.

דוגמה קלאסית לאופן שבו הטיה עלולה להיות רעה נובעת מדיווח, המשתף כי אלגוריתמים המשמשים לאיתור סרטן העור בבני אדם נוטים להיות פחות מדויקים בגווני עור כהים יותר מכיוון שהם הוכשרו בעיקר לאיתור תסמינים בגווני עור בהירים. גילוי והסרה של הטיות הוא חיוני והדרך היחידה קדימה לשימוש אמין ב- AI בבריאות.

נתונים רפואיים/רפואיים באיכות גבוהה עבור מודלים של AI ו-ML

3. אתגרים בקביעת תקני הפעלה

יכולת פעולה הדדית בין נתונים היא מילה חשובה לזכור בתחום הבריאות. כפי שאתה יודע, בריאות היא מערכת אקולוגית של אלמנטים מגוונים. יש לך מרפאות, מרכזי אבחון, מרכזי גמילה, בתי מרקחת, אגפי מחקר ופיתוח ועוד. לעתים קרובות, יותר מאחד המרכיבים הללו דורש נתונים כדי לעבוד על מטרותיהם המיועדות. במקרים כאלה, הנתונים שנאספים חייבים להיות אחידים ומתוקננים באופן שהוא נראה וקורא אותו דבר, לא משנה מי מסתכל עליו.

אתגרים בקביעת תקני תפעול בהיעדר סטנדרטיזציה, יהיה כאוס כאשר כל אלמנט ישמור על הגרסה שלו לאותו שיא. לכן, מי שמסתכל על מערך נתונים מנקודת מבט חדשה הולך לאיבוד אוטומטית ודורש את עזרת הרשות הנוגעת בדבר כדי להבין את תוכנו של מערך הנתונים.

כדי להימנע מכך, יש להפוך את הסטנדרטיזציה ליעילה יותר בין הגופים. המשמעות, הפורמטים, התנאים והפרוטוקולים הספציפיים חייבים להיות מפורטים בבירור לצורך הקפדה על חובה. רק אז הנתונים האלה יכולים להיות תואמים בצורה חלקה.

4. אתגרים בשמירה על האבטחה

אבטחה היא דאגה מכרעת נוספת בתחום הבריאות. זה מה שיתברר כיקר ביותר כאשר היבטים הקשורים לפרטיות נתונים יילקחו פחות ברצינות. נתוני שירותי בריאות הם תיבת אוצר של תובנות עבור האקרים ומנצלים, ובזמן האחרון, היו המון מקרים של הפרות אבטחת סייבר. תוכנות כופר והתקפות זדוניות אחרות בוצעו ברחבי העולם.

אפילו בתוך מגיפת הקוביד -19, קרוב ל 37% מהמשיבים לסקר שיתפו כי הם חוו התקפת תוכנת כופר. אבטחת הסייבר היא המפתח בכל נקודת זמן נתונה.

עטיפת Up

אתגרי הנתונים בתחום הבריאות אינם מוגבלים רק לאלה. ככל שאנו מבינים אינטגרציה מתקדמת ועבודה של AI בתחום הבריאות, האתגרים רק נעשים מורכבים יותר, חופפים ושזורים זה בזה.

כמו תמיד, היינו מוצאים דרך להתמודד עם האתגרים ולפנות מקום למערכות AI מתוחכמות שמבטיחות לעשות בריאות AI יותר מדויק ונגיש.

שתף חברתי