كيف يساعد Shaip الفرق في بناء حلول الذكاء الاصطناعي للرعاية الصحية

لا تتوقع أن يعالجك طبيب آلي في زيارتك القادمة للطبيب. قد تخبرنا الحواسيب والخوارزميات بما نشاهده، وما نشتريه، ومن نضيفه إلى شبكاتنا الاجتماعية، لكن تشير الأبحاث إلى أن الذكاء الاصطناعي في مجال الرعاية الصحية لن يحل محل مقدمي الرعاية البشرية في أي وقت قريب.

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، لا تزال النقاشات حول الذكاء الاصطناعي والأتمتة في مجال الرعاية الصحية تركز على الإمكانات والوعود والفرص المتاحة. ففي نهاية المطاف، لا تزال معظم فرص تطبيقات الذكاء الاصطناعي في هذا المجال بعيدة المنال، ويعود ذلك أساسًا إلى وجود عقبات كبيرة لا تزال قائمة يجب التغلب عليها لتمهيد الطريق أمام تبنيها على نطاق واسع. وإلى حين حدوث ذلك، ستظل هذه التقنية التحويلية موضع نقاش من منظور ما يمكن أن يكون (بدلًا من منظور الواقع).

في شركة Shaip، نسعى لتغيير مسار الحوار من خلال مساعدة فرق تطوير الذكاء الاصطناعي على تخطي هذه العقبات. نستمتع بالحديث عن مستقبل الذكاء الاصطناعي في مجال الرعاية الصحية، لكننا نستمتع أكثر بصنع هذا المستقبل. قبل الخوض في كيفية تحقيق ذلك، دعونا نركز قليلاً 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.

بما أنك تقرأ هذا، فربما تدرك بالفعل أن تأثير الذكاء الاصطناعي على نظام الرعاية الصحية لدينا كان هائلاً، وسيزداد هذا التأثير مع مرور الوقت. ونظراً لتعدد الجهات الفاعلة في هذا القطاع، فإن عدد التحديات التي يمكن أن تعالجها حلول الذكاء الاصطناعي يبدو 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.

مرّ ما يقارب ربع قرن منذ أن سنّ الكونغرس قانون قابلية نقل التأمين الصحي والمساءلة (HIPAA)، إلا أن هذا التشريع نفسه لا يزال يُنظّم كيفية تعامل مقدمي الخدمات الصحية مع بيانات المرضى حتى عام 2021. وللأسف، يُثير هذا القانون تساؤلات أكثر من الإجابات للأطباء والمرضى ورواد الأعمال الساعين إلى تطوير تقنيات طبية جديدة. علاوة على ذلك، تتداخل متطلبات قانون HIPAA الآن مع لوائح أحدث بشأن المعلومات الشخصية (PII)، مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي، وقانون حماية البيانات الشخصية (PDPA) في سنغافورة، وقانون خصوصية المستهلك في كاليفورنيا (CCPA) الذي يُمثّل أول تشريع شامل يُنظّم استخدام البيانات في الولايات المتحدة.

أدى الارتفاع الكبير في متطلبات التطبيب عن بُعد، الذي رافق جائحة كوفيد-19، إلى تفاقم المشاكل التنظيمية . فبدايةً، يتلقى العديد من المرضى العلاج عن بُعد عبر منصات لا تلتزم بمعايير قانون HIPAA، مما قد يعرضهم لخطر انتهاك خصوصيتهم. حتى المنصات المتوافقة مع القانون تُشكل مخاطر، إذ يُمكنها الكشف عن معلومات حساسة للمرضى لتحقيق الربح . وقد أدى تزايد الطلب على الرعاية الافتراضية إلى ظهور العديد من الخدمات الرقمية التي لا يشملها نطاق قانون HIPAA الأصلي، ما دفع شركات التكنولوجيا الكبرى ، مثل فيسبوك وألفابت وأمازون ومايكروسوفت، إلى دخول هذا السوق ، مُحدثةً ابتكارات جديدة ، فضلاً عن الحاجة إلى مزيد من الرقابة.

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.

أظهرت دراسة حديثة نُشرت في مجلة الجمعية الطبية الأمريكية أن التوزيع الجغرافي للمرضى الذين تُستخدم بياناتهم لتدريب خوارزميات التعلم الآلي يقتصر في الغالب على عدد قليل من الولايات، وتحديدًا كاليفورنيا ونيويورك وماساتشوستس. ونظرًا للخصائص الاقتصادية والاجتماعية والسلوكية وغيرها التي قد يتشاركها هؤلاء المرضى فيما بينهم دون غيرهم في بقية أنحاء البلاد، فإن الخوارزميات المُدرَّبة على هذه البيانات قد لا تُعمِّم النتائج بشكل جيد. يُمكن حل هذه المشكلة باستخدام مجموعات بيانات أكثر تنوعًا، ولكن مرة أخرى، يصعب الحصول على البيانات. وبمجرد الحصول عليها، يصعب أيضًا تنظيمها، وهو ما يُمثِّل خطوة حاسمة أخرى لمطوري تقنيات التعلم الآلي.

تستثمر العديد من الشركات مبالغ طائلة في البحث عن البيانات أو إنشائها لخوارزمياتها، ثم تنفق مبالغ أكبر على توظيف مُصنِّفين لتصنيفها. وكما هو الحال مع مجموعات البيانات المتجانسة للغاية، فإن البيانات غير المصنفة والمُدققة بشكل صحيح ستُدرِّب برامج الذكاء الاصطناعي على توليد نتائج متحيزة وغير دقيقة، مما يُسبب مشاكل يصعب حلها. وللأسف، ستظل هذه المشاكل شائعة بين الفرق العاملة في مجال تكنولوجيا الذكاء الاصطناعي في الرعاية الصحية. وتشير أبحاث غارتنر إلى أن ما يصل إلى 85 % من مشاريع الذكاء الاصطناعي ستُسفر عن نتائج خاطئة نتيجةً لتحيز 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.