22 مارس
2023
3 راه برای غلبه بر موانع پذیرش هوش مصنوعی در مراقبت های بهداشتی
توسط لو ژانگ، موسس و شریک مدیریتی صندوق فیوژن
از لحاظ تئوری، هوش مصنوعی این پتانسیل را دارد که صنعت مراقبت های بهداشتی را به روش های مختلف تغییر دهد. برای مثال، قابلیتهای پیشبینی هوش مصنوعی و یادگیری ماشینی، میتواند دقت در تشخیص و درمان را بهبود بخشد. هوش مصنوعی همچنین می تواند برای افزایش کارایی در حوزه های مدیریتی و عملیاتی مورد استفاده قرار گیرد.
با این حال، به نظر می رسد که بسیاری از موسسات مراقبت های بهداشتی تمایلی به آزمایش این وعده ندارند. در مقایسه با سایر صنایع، پذیرش هوش مصنوعی در مراقبت های بهداشتی ادامه نمی دهد – این اصلاً تعجب آور نیست. مراقبت های بهداشتی موانع متعددی برای ورود هوش مصنوعی و ML دارد که منحصر به صنعت آن است و باید توسط هر کسی که در این فضا نوآوری می کند در نظر گرفته شود.
چرا پذیرش هوش مصنوعی در مراقبت های بهداشتی عقب افتاده است؟
وقتی صحبت از جمعآوری و ذخیره دادهها میشود – که اساساً رگ حیات یک راهحل مؤثر هوش مصنوعی است – هم نگرانیهای نظارتی و هم حفظ حریم خصوصی وجود دارد که باید در نظر گرفته شوند. در ایالات متحده، قانون مسئولیت پذیری بیمه سلامت و حمل و نقل (یا HIPAA) قوانین خاصی در مورد روش هایی دارد که از طریق آنها می توان اطلاعات خصوصی بیماران را مدیریت و به اشتراک گذاشت. مقررات عمومی حفاظت از داده ها (یا GDPR) نقش مشابهی را در اتحادیه اروپا ایفا می کند. فراتر از این سؤالات حقوقی، ارائه دهندگان همچنین به خوبی از اهمیت این موضوع آگاه هستند که داده های حساس بیمار به خاطر حفظ شهرت خوب و روابط سالم با بیماران، ایمن و خصوصی نگه داشته می شوند.
علاوه بر این، حتی اگر بتوان به همه نگرانیهای نظارتی و حفظ حریم خصوصی رسیدگی کرد، هنوز مسائل دیگری در مورد دادهها مطرح است. به طور خاص، زمان و تلاشی که برای جمع آوری مقدار مورد نیاز برای اطمینان از ارائه تجزیه و تحلیل دقیق و بی طرفانه توسط هوش مصنوعی لازم است، می تواند بسیار زیاد باشد. کارآمدترین راه برای به دست آوردن سریع داده های کافی، به اشتراک گذاری آن در بین سازمان ها خواهد بود. گفتن این کار آسانتر از انجام آن است، زیرا به دلیل فقدان استانداردهای مربوط به ذخیرهسازی دادهها و عدم تمایل به سپردن اطلاعات بیمار به اشخاص ثالث است.
اما داده ها تنها مانع پذیرش هوش مصنوعی نیستند. عدم شفافیت معمولی هوش مصنوعی یکی دیگر از موارد است. در محیطی که به سختی جایی برای خطا وجود دارد، درک نه تنها تفکر پشت یک تصمیم، بلکه متغیرهایی که در فرآیند تصمیم گیری استفاده شده اند نیز بسیار مهم است. با هوش مصنوعی مدرن، دستیابی به این اطلاعات می تواند دشوار یا در برخی موارد حتی غیرممکن باشد.
با این حال، شاید سخت ترین مانع برای ورود هوش مصنوعی نیز یک مانع ظریف تر باشد: طرز فکر. بسیاری از متخصصان مراقبت های بهداشتی تمایلی به ارائه فناوری جدیدی ندارند که ممکن است جریان کار با دقت کالیبره شده را مختل کند یا حتی کارکنان مراقبت های بهداشتی انسانی را با همتایان رایانه ای جایگزین کند. نقش هوش مصنوعی در مراقبت های بهداشتی تکمیل حرفه ای های موجود است – نه جایگزینی آنها – اما قابل درک است که نگران راه هایی باشیم که هوش مصنوعی می تواند نحوه عملکرد صنعت را تغییر دهد.
با تمام این چالش ها و نگرانی ها، شاید تعجبی نداشته باشد که پذیرش هوش مصنوعی با سرعت کمتری اتفاق می افتد. با این حال، هیچ یک از این موانع نباید به عنوان یک معامله شکن در نظر گرفته شود. صنعت مراقبت های بهداشتی باید چشمان خود را به روی مزایای هوش مصنوعی باز کند. این فناوری به کارکنان این امکان را میدهد که نتایج بهتر، سریعتر، آسانتر و ارزانتری برای بیمار ارائه دهند. در آینده، پزشکان و پرستارانی که می دانند چگونه از ابزارهای هوش مصنوعی استفاده کنند، جایگزین کسانی خواهند شد که نمی دانند. اگر توسعهدهندگان هوش مصنوعی میخواهند به تحقق این آینده کمک کنند، باید اقداماتی را برای تطبیق فرآیند پذیرش با نیازهای متخصصان مراقبتهای بهداشتی انجام دهند.
3 روشی که ارائه دهندگان می توانند فناوری هوش مصنوعی را در محیط های مراقبت های بهداشتی آسان تر کنند
1. روی افزایش گردش کار کار کنید – نه اینکه آنها را مختل کنید.
سیستم مراقبت های بهداشتی یک ارگانیسم پیچیده است که به فرآیندهای آزموده شده و واقعی برای حفظ عملکرد روان خود متکی است. قرار دادن هوش مصنوعی در معادله این پتانسیل را دارد که این تعادل را مختل کند و هر گونه مزیتی را که ممکن است به همراه داشته باشد کاهش دهد.
با این حال، هوش مصنوعی همچنین این پتانسیل را دارد که این فرآیندها را کارآمدتر و کمتر مستعد خطا کند. هوش مصنوعی و ML این قدرت را دارند که عملیات مراقبت های بهداشتی را واقعاً هوشمند کنند. سازندگانی که راهحلهای خاصی را برای بیمارستانهایی ارائه میکنند که به دنبال بهبود جریانهای کاری اداری و عملیاتی موجود خود هستند، میتوانند نقاط ورودی عالی برای پذیرش گستردهتر هوش مصنوعی ارائه دهند.
2. روی سازگاری تمرکز کنید.
برای اینکه ML بتواند تشخیصها و گزینههای درمانی دقیق را ارائه دهد، به دادههای آموزشی متنوعی برای یادگیری نیاز دارد. در حالی که برخی از سازمان های بزرگتر ممکن است قادر به ارائه این داده ها به تنهایی باشند، بسیاری دیگر از مقدار داده های لازم برای اثربخشی الگوریتم ها بی بهره خواهند بود. در حالت ایدهآل، این موسسات میتوانند دادهها را با سایر ارائهدهندگان جمعآوری کنند تا مدلهای هوش مصنوعی قویتری ایجاد کنند که نه تنها دقیقتر هستند، بلکه قابل تعمیمتر با تعصب کمتر هستند.
برای انجام این کار، روش ذخیره سازی و پردازش این داده ها باید با شرکت ها سازگار باشد. برای ارائه راهحلهای هوش مصنوعی که در صنعت مراقبتهای بهداشتی کار میکنند، توسعهدهندگان باید از قالبهای داده اختصاصی دوری کنند. درعوض، آنها باید استانداردها را در جایی که در صنعت وجود دارد بپذیرند و در عین حال پذیرش آن استانداردهایی را که در آنجا وجود ندارند، تشویق کنند.
3. ارائه پردازش زبان طبیعی.
زیبایی سیستمهای NLP در این است که میتوان آنها را به روشهای مختلف بدون نیاز به حجم زیادی از دادههای خاص مراقبتهای بهداشتی برای اثربخشی مورد استفاده قرار داد. NLP می تواند برای سازماندهی اسناد بالینی و همچنین تجزیه و تحلیل یادداشت های بدون ساختار برای ارائه خلاصه های قابل هضم و بینش های عملی استفاده شود.
NLP همچنین می تواند برای تقویت کار متخصصان در زمینه های دیگر، مانند بهبود کار استفاده شود تفسیر تصویربرداری از بیمار توسط رادیولوژیست ها این نوع راه حل هوش مصنوعی یک راه ساده و موثر برای حرکت دادن سوزن در پذیرش هوش مصنوعی است.
حتی اگر پذیرش نسبتا کند بوده است، هوش مصنوعی در حال حاضر خود را به عنوان بخش ارزشمندی از مراقبت های بهداشتی در جایی که پیاده سازی کرده است، ثابت کرده است. از تشخیص تا ارزیابی خطرات سلامتی تا توسعه داروهای جدید، هوش مصنوعی خود را به عنوان ابزاری مفید در دنیای مراقبت های بهداشتی ثابت کرده است. اما برای دستیابی به پتانسیل کامل خود، توسعه دهندگان هوش مصنوعی باید راه حل هایی ایجاد کنند که نگرانی های قانونی متخصصان مراقبت های بهداشتی و بیماران را برطرف کند تا همه را با خود همراه کند و به پیشرفت صنعت کمک کند.