لقد قيل مرات عديدة ولكن الذكاء الاصطناعي أثبت أنه سيغير قواعد اللعبة في صناعة الرعاية الصحية. من كونهم مجرد مشاركين سلبيين في سلسلة الرعاية الصحية ، يتولى المرضى الآن مسؤولية صحتهم من خلال أنظمة مراقبة المرضى التي تعمل بالذكاء الاصطناعي ، والأجهزة القابلة للارتداء ، والرؤى المرئية لحالاتهم ، والمزيد. من وجهة نظر الأطباء ومقدمي الرعاية الصحية ، يمهد الذكاء الاصطناعي الطريق للأذرع الروبوتية ، ووحدات التحليل والتشخيص المتطورة ، والروبوتات الجراحية المساعدة ، والأجنحة التنبؤية لاكتشاف الاضطرابات والمخاوف الجينية ، وأكثر من ذلك.
ومع ذلك ، مع استمرار تأثير الذكاء الاصطناعي على جوانب الرعاية الصحية ، فإن ما يتزايد بنفس القدر هو التحديات المرتبطة بتوليد البيانات والحفاظ عليها. كما تعلم ، لا يمكن لوحدة أو نظام AI أن يعمل بشكل جيد إلا إذا تم تدريبه بدقة باستخدام مجموعات البيانات ذات الصلة والسياق لفترة طويلة من الزمن.
في المدونة ، سنستكشف التحديات الفريدة التي يواجهها الخبراء والمتخصصون في الرعاية الصحية عندما تستمر حالات استخدام الذكاء الاصطناعي في الرعاية الصحية في الازدياد من حيث تعقيداتها.
1. التحديات في الحفاظ على الخصوصية
الرعاية الصحية قطاع حيث الخصوصية أمر بالغ الأهمية. من التفاصيل التي تدخل في السجلات الصحية الإلكترونية من المرضى والبيانات التي تم جمعها أثناء التجارب السريرية إلى البيانات التي ترسلها الأجهزة القابلة للارتداء لمراقبة المريض عن بُعد ، تتطلب كل شبر في مساحة الرعاية الصحية أقصى درجات الخصوصية.
إذا كان هناك الكثير من الخصوصية ، فكيف يتم تدريب تطبيقات الذكاء الاصطناعي الجديدة التي يتم نشرها في مجال الرعاية الصحية؟ حسنًا ، في العديد من الحالات ، لا يدرك المرضى عمومًا أن بياناتهم تُستخدم لأغراض الدراسة والبحث. تشير اللوائح التي ذكرها قانون HIPAA أيضًا إلى أنه يمكن للمؤسسات ومقدمي الرعاية الصحية استخدام بيانات المريض لوظائف الرعاية الصحية ومشاركة البيانات والأفكار مع الشركات ذات الصلة.
هناك الكثير من الأمثلة في العالم الحقيقي لهذا. لفهم أساسي ، افهم أن Google تحافظ بثبات على فهم بحثي لمدة 10 سنوات مع Mayo Clinic وتشارك وصولًا محدودًا إلى البيانات التي هي مجهول أو مجهول الهوية.
في حين أن هذا صارخ تمامًا ، فإن العديد من الشركات الناشئة القائمة على الذكاء الاصطناعي والتي تعمل على طرح حلول التحليلات التنبؤية في السوق تكون صامتة بشكل عام حول مصادرها لبيانات التدريب على الذكاء الاصطناعي عالية الجودة. من الواضح أن هذا يرجع إلى أسباب تنافسية.
نظرًا لكونه موضوعًا حساسًا ، فإن الخصوصية هي أمر يحرص عليه المحاربون القدامى والخبراء والباحثون بشكل متزايد على ارتداء قبعة بيضاء مستمرة. توجد بروتوكولات HIPAA لإلغاء تعريف البيانات وبنود لإعادة تحديد الهوية في المكان. للمضي قدمًا ، سيتعين علينا العمل على كيفية إنشاء الخصوصية بسلاسة مع تطوير حلول الذكاء الاصطناعي المتقدمة في نفس الوقت.
2. التحديات في القضاء على التحيزات والأخطاء
قد تكون الأخطاء والتحيزات في قطاع الرعاية الصحية قاتلة للمرضى ومؤسسات الرعاية الصحية. يمكن أن تؤدي الأخطاء الناجمة عن الخلايا في غير محلها أو في حالة انحرافها أو الخمول أو حتى الإهمال إلى تغيير مسار العلاج أو التشخيص للمرضى. كشف تقرير صادر عن سلطة سلامة المرضى في ولاية بنسلفانيا أنه تم تحديد حوالي 775 مشكلة في وحدات السجلات الصحية الإلكترونية. ومن هذا المنطلق ، بلغ ترقيم الأخطاء البشرية حوالي 54.7٪ والأخطاء المرتبطة بالآلة قريبة من 45.3٪.
بصرف النظر عن الأخطاء ، تعتبر التحيزات سببًا خطيرًا آخر قد يؤدي إلى عواقب غير مرغوب فيها في شركات الرعاية الصحية. على عكس الأخطاء ، يصعب اكتشاف التحيزات أو التعرف عليها بسبب الميل المتأصل إلى معتقدات وممارسات معينة.
يأتي أحد الأمثلة الكلاسيكية على كيف يمكن أن يكون التحيز سيئًا من تقرير ، يشارك في أن الخوارزميات المستخدمة للكشف عن سرطان الجلد لدى البشر تميل إلى أن تكون أقل دقة في درجات لون البشرة الداكنة لأنهم في الغالب مدربون على اكتشاف الأعراض في درجات لون البشرة الفاتحة. يعد اكتشاف التحيزات والقضاء عليها أمرًا بالغ الأهمية وهو السبيل الوحيد للمضي قدمًا من أجل الاستخدام الموثوق به للذكاء الاصطناعي في الرعاية الصحية.
3. التحديات في وضع معايير التشغيل
تعد إمكانية التشغيل البيني للبيانات كلمة مهمة يجب تذكرها في مجال الرعاية الصحية. كما تعلم ، فإن الرعاية الصحية هي نظام بيئي من عناصر متنوعة. لديك عيادات ومراكز تشخيص ومراكز إعادة تأهيل وصيدليات وأجنحة البحث والتطوير والمزيد. في كثير من الأحيان ، يتطلب أكثر من عنصر من هذه العناصر بيانات للعمل على الأغراض المقصودة. في مثل هذه الحالات ، يجب أن تكون البيانات التي يتم جمعها موحدة وموحدة بطريقة تبدو وتقرأ نفسها بغض النظر عمن ينظر إليها.
في حالة عدم وجود توحيد ، ستكون هناك فوضى حيث يحتفظ كل عنصر بنسخته الخاصة من نفس السجل. لذلك ، فإن أي شخص ينظر إلى مجموعة بيانات من منظور جديد يُفقد تلقائيًا ويتطلب مساعدة السلطة المعنية لفهم محتويات مجموعة البيانات.
لتجنب ذلك ، يجب أن يكون التوحيد القياسي أكثر فعالية عبر الكيانات. المعنى ، يجب وضع صيغ وشروط وبروتوكولات محددة بوضوح من أجل الالتزام الإلزامي. عندها فقط يمكن أن تكون هذه البيانات قابلة للتشغيل المتبادل بسلاسة.
4. تحديات الحفاظ على الأمن
الأمن هو مصدر قلق مهم آخر في مجال الرعاية الصحية. هذا هو ما سيثبت أنه الأكثر تكلفة عندما يتم التعامل مع الجوانب المتعلقة بخصوصية البيانات بجدية أقل. تعد بيانات الرعاية الصحية بمثابة كنز من الرؤى للمتسللين والمستغلين ، وفي الآونة الأخيرة ، كان هناك الكثير من حالات انتهاك الأمن السيبراني. تم تنفيذ برامج الفدية وغيرها من الهجمات الضارة في جميع أنحاء العالم.
حتى وسط جائحة Covid-19 ، قريب من 37٪ من المستجيبين للاستطلاع شاركوا بأنهم تعرضوا لهجوم من برمجيات الفدية. الأمن السيبراني هو المفتاح في أي وقت معين.
في المخص:
لا تقتصر تحديات البيانات في مجال الرعاية الصحية على هذه فقط. نظرًا لأننا نفهم التكامل المتقدم وعمل الذكاء الاصطناعي في الرعاية الصحية ، فإن التحديات تصبح أكثر تعقيدًا وتداخلًا وتشابكًا.
كما هو الحال دائمًا ، سنجد طريقة لمواجهة التحديات وإفساح المجال لأنظمة الذكاء الاصطناعي المتطورة التي تعد بصنعها الرعاية الصحية AI أكثر دقة ويمكن الوصول إليها.
