كيف يساعد Shaip الفرق في بناء حلول الذكاء الاصطناعي للرعاية الصحية

لا تتوقع أن يعالجك طبيب آلي في المرة القادمة التي تزور فيها عيادة الطبيب. قد تخبرنا أجهزة الكمبيوتر والخوارزميات بما يجب مشاهدته ، وماذا نشتري ، ومن نضيفه إلى شبكاتنا الاجتماعية ، لكن الأبحاث تشير إلى أن الذكاء الاصطناعي للرعاية الصحية ولن أن تحل محل الإنسان مقدمي الرعاية في أي وقت قريبا.

ومع ذلك ، قد يساعد في استبدال الأعمال الورقية المربكة وأوقات الانتظار الطويلة والتشخيصات غير الصحيحة والعناصر الأخرى غير المرغوب فيها في تجربة الرعاية الصحية بأخرى أكثر ملاءمة. قد يساعد الذكاء الاصطناعي أيضًا الأطباء البشريين على توسيع نطاق ممارساتهم لعلاج المزيد من المرضى وتمكينهم من تقديم رعاية أكثر تخصيصًا وفعالية للمرضى الأفراد.

نعم ، حتى في عام 2021 ، تميل المحادثات حول الذكاء الاصطناعي والأتمتة في الرعاية الصحية إلى التركيز على الإمكانات والوعد والإمكانيات. بعد كل شيء ، لا تزال معظم الفرص المتاحة للتطبيقات التي تعمل بالذكاء الاصطناعي في الفضاء أمامنا - ويرجع ذلك أساسًا إلى أنه لا يزال يتعين التغلب على العقبات الرئيسية من أجل تمهيد الطريق لاعتمادها على نطاق واسع في الفضاء. حتى يحدث ذلك ، ستستمر مناقشة هذه التكنولوجيا التحويلية من حيث ماذا استطاع كن (وليس ما هو).

في Shaip ، نريد تغيير المحادثة من خلال مساعدة فرق تطوير الذكاء الاصطناعي على التغلب على هذه العقبات. نحن نحب الحديث عنه ماذا كان يمكن أن تعقد للذكاء الاصطناعي للرعاية الصحية ، لكننا نحب إنشاء هذا المستقبل أكثر. قبل الخوض في كيفية القيام بذلك ، دعونا نتوقف لحظة للتركيز على الحاضر.

الذكاء الاصطناعي ليس مهيأ لتغيير الرعاية الصحية إلى الأبد فحسب ؛ لديها بالفعل. بينما لا تزال التكنولوجيا جديدة نسبيًا ، فقد تغلغلت تقريبًا في كل جانب من جوانب نظام الرعاية الصحية الحديث:

• في الإعدادات السريرية ، يستخدم الأطباء أدوات التصوير بمساعدة الذكاء الاصطناعي ذات القدرات المتقدمة للتعرف على الأنماط لفحص نتائج الأشعة المقطعية والتصوير بالرنين المغناطيسي وأنواع أخرى من التحليلات المرئية ، مما يسمح لهم باكتشاف المرض وتشخيص الإصابة بشكل أسرع وأكثر دقة.
• في الفصل الدراسي ، تساعد أدوات التعلم الآلي الطلاب على جمع رؤى أعمق عن جسم الإنسان أكثر من أي وقت مضى وتمنحهم القوة بناء حلول جديدة مع تطبيقات العالم الحقيقي.
• في المختبر ، يستخدم الباحثون برامج متطورة لمقارنة صيغ الأدوية الجديدة مع الأدوية المعروفة بالفعل بأنها آمنة. يمكنهم بعد ذلك التكرار والتكرار على هذه لتطوير الترياق واللقاحات في وقت قياسي.
• يستخدم المسؤولون والمديرون التنفيذيون تطبيقات الذكاء الاصطناعي لخلق تجارب مرضية أكثر سهولة وكفاءة والتي تحقق في نفس الوقت إيرادات لمقدمي الخدمات وتضمن رعاية عالية الجودة للمرضى. والقائمة تطول وتطول.

نظرًا لأنك تقرأ هذا ، فمن المحتمل أنك تدرك بالفعل تأثير الذكاء الاصطناعي على رعايتنا الصحية لقد كان النظام ضخمًا - وسيزداد حجمه فقط. بالنظر إلى الجهات الفاعلة المتنوعة التي لا حصر لها والتي تشكل القطاع ، يبدو أن عدد التحديات التي يمكن أن تواجهها حلول الذكاء الاصطناعي لا حصر له.

Shaip هنا للمساعدة في تحقيق هذه الحلول في الحياة. تمكّن خدماتنا الشركات ورواد الأعمال من بناء تقنيات الذكاء الاصطناعي للرعاية الصحية التحويلية التي يمكنها حل مشاكل العالم الحقيقي على نطاق واسع من خلال القضاء على بعض أكبر العقبات في طريقهم. وبالنسبة للفرق التي تعمل في مجال الرعاية الصحية ، هناك الكثير من هؤلاء.

حواجز الطرق والأعلام الحمراء

في حين أن وعد الذكاء الاصطناعي في الرعاية الصحية لم يكن أكبر من أي وقت مضى ، فإن الدمج الحقيقي للتكنولوجيا في نظام الرعاية الصحية الموحد سيكون عملية مليئة بالعقبات. ربما لا شيء أكثر أهمية من العوائق التنظيمية التي تميز الطب عن الصناعات الأخرى التي حدث فيها التبني بشكل أسرع.

لقد مر ما يقرب من ربع قرن منذ أن أصدر الكونجرس قانون نقل التأمين الصحي والمساءلة (HIPAA) ، ولكن نفس التشريع لا يزال يحكم كيفية تعامل مقدمي الخدمة مع بيانات المرضى في عام 2021. لسوء الحظ ، فإنه يطرح بشكل متزايد أسئلة أكثر من الإجابات للأطباء والمرضى و رواد الأعمال الذين يسعون لبناء تقنيات طبية جديدة. علاوة على ذلك ، تتقارب ولايات قانون نقل التأمين الصحي والمسؤولية (HIPAA) الآن مع اللوائح الأحدث المتعلقة بمعلومات التعريف الشخصية (PII) مثل اللائحة العامة لحماية البيانات في الاتحاد الأوروبي (GDPR) ، وقانون حماية البيانات الشخصية في سنغافورة (PDPA) ، وقانون خصوصية المستهلك في كاليفورنيا (CCPA) الذي يمثل أول تشريع شامل يحكم استخدام البيانات هنا في الولايات المتحدة.

إن الزيادة في متطلبات الرعاية الصحية عن بُعد التي صاحبت جائحة COVID-19 كانت فقط أضاف المزيد من الصداع التنظيمي. بالنسبة للمبتدئين ، يتلقى العديد من المرضى العلاج عن بُعد عبر منصات لا تلبي معايير HIPAA ، مما قد يجعلهم عرضة لتهديدات الخصوصية. حتى المنصات المتوافقة تشكل مخاطر ، حيث يمكنها الكشف عن معلومات المريض الحساسة for من الربح. أدى النمو في الطلب على الرعاية الافتراضية إلى ظهور العديد من الخدمات الرقمية التي تقع خارج النطاق الأصلي لقانون HIPAA ، وقد أجبر شركات التكنولوجيا الكبرى Facebook و Alphabet و Amazon و Microsoft على القيام بذلك. مشروع إلى ال السوق، مما يجلب ابتكارات جديدة بالإضافة إلى الحاجة إلى رقابة إضافية.

بالنسبة للمنظمين ، فإن فرض الامتثال ضمن هذا النظام المعقد من الولايات يزداد صعوبة ، حيث يتم استخدام البيانات بطرق جديدة ومن قبل عدد متزايد من الجهات الفاعلة. وبالمثل ، بالنسبة للفرق التي تأمل في بناء ونشر تقنيات مدعومة بالذكاء الاصطناعي في مجال الرعاية الصحية ، فإن ضمان تلبية هذه الأدوات للمعايير الحالية يتطلب خبرة تنظيمية يصعب العثور عليها بكل بساطة.

أيضا من الصعب العثور عليها؟ بيانات طبية عالية الجودة. قد تمنع اللوائح التنظيمية بعض التقنيات الجديدة من تحقيق تبني واسع النطاق ، ولكن بدون بيانات عالية الجودة ، لن تجعل الأدوات التي تعمل بالذكاء الاصطناعي حتى تجاوز مرحلة التطوير.

A الأخيرة دراسة المنشور في مجلة الجمعية الطبية الأمريكية وجد أن التوزيع الجغرافي للمرضى الذين تُستخدم بياناتهم لتدريب خوارزميات التعلم الآلي يقتصر في الغالب على عدد قليل من الولايات ، على وجه التحديد كاليفورنيا ونيويورك وماساتشوستس. نظرًا للسمات الاقتصادية والاجتماعية والسلوكية وغيرها من السمات التي قد يتشاركها هؤلاء المرضى مع بعضهم البعض ولكن ليس مع بقية البلاد ، فإن الخوارزميات المدربة على هذه البيانات يمكن أن تعمم بشكل سيء. يمكن حل هذه المشكلة بمجموعات بيانات أكثر تنوعًا ، ولكن مرة أخرى ، يصعب الحصول على البيانات. بمجرد الاستحواذ ، يصعب أيضًا التنظيم ، وهي خطوة مهمة أخرى لمطوري تقنيات التعلم الآلي.

تقوم العديد من الشركات باستثمارات كبيرة للعثور على البيانات أو إنشائها لخوارزمياتها ومن ثم تنفق المزيد من المعلقين الذين يدفعون لتسميتها. كما هو الحال مع مجموعات البيانات المتجانسة بشكل مفرط ، فإن البيانات التي لم يتم تصنيفها وتنظيمها بشكل صحيح ستدرب برامج الذكاء الاصطناعي لتوليد نتائج متحيزة وغير دقيقة ، مما يخلق مشاكل لا يمكن إصلاحها بسهولة. لسوء الحظ ، ستستمر هذه المشكلات في كونها شائعة بالنسبة للفرق التي تعمل على تقنية الذكاء الاصطناعي للرعاية الصحية. يكشف البحث الذي أجرته شركة Gartner عن هذا الأمر 85% of ستؤدي مشاريع الذكاء الاصطناعي إلى نتائج خاطئة نتيجة للتحيز في إدارة البيانات حتى عام 2022.

مرة أخرى ، هناك الكثير من التحديات الأخرى التي تواجه إنشاء تطبيقات الذكاء الاصطناعي للرعاية الصحية ، سواء كانت معروفة أو غير معروفة. مع دخول المزيد من المطورين إلى الفضاء ومواجهة المزيد من مقدمي الخدمات بقرارات حول إضافة حلول مدعومة بالذكاء الاصطناعي إلى استراتيجياتهم الخاصة بمعالجة المرضى ، فإن هذه التحديات تلوح في الأفق. في حين أن العقبات أمر لا مفر منه عندما تحاول إنشاء أدوات مفيدة وتحويلية باستخدام تقنيات جديدة ، فإن Shaip يساعد الفرق على التغلب على العديد من أكبر العقبات التي يواجهها المطورون في هذا المجال حاليًا.