Πολλές διαστάσεις της σύγχρονης ζωής τροφοδοτούνται όλο και περισσότερο από την τεχνητή νοημοσύνη, συμπεριλαμβανομένων των διαφόρων πτυχών της υγείας και της ευεξίας. Πόσο καιρό πριν ο υπολογιστής μπορεί να ξεπεράσει τις παρεμβάσεις φροντίδας που απευθύνονται σε ανθρώπους; Ίσως το πιο σημαντικό, πόσο καιρό πριν ένας άνθρωπος θα είναι πρόθυμος να εμπιστευτεί έναν μη άνθρωπο για να τον θεραπεύσει; Αυτά τα δύο ερωτήματα θα μπορούσαν να επικεντρωθούν στη συζήτηση σχετικά με τις δυνατότητες της τεχνολογίας μηχανικής μάθησης και της ρομποτικής στην υγειονομική περίθαλψη.
Οι υπολογιστές μπορούν να "σκέφτονται" με όλο και πιο ανθρώπινο τρόπο. Είτε είμαστε έτοιμοι είτε όχι, οι πρόσφατες εξελίξεις στον τομέα της γνωστικής πληροφορικής σηματοδοτούν την άφιξη της ηλεκτρονικής καθοδήγησης και της υγειονομικής περίθαλψης.
Στατιστική ανάλυση των πληροφοριών για την υγεία
Δεν είναι μυστικό ότι μοιράζουμε κάθε είδους ιδιωτικές και, συχνά, οικείες πληροφορίες κάθε φορά που πραγματοποιούμε μια αγορά ή περιηγούμε στο Διαδίκτυο. Η δυνατότητα πρόβλεψης των συμβάντων υγείας με απλή παρακολούθηση της περιστασιακής συμπεριφοράς αποδείχθηκε έντονα το 2012, όταν ο έμπορος λιανικής πώλησης Target έδειξε τον κόσμο που θα μπορούσε να προβλέψει με ασυνήθιστη ακρίβεια αν μια γυναίκα ήταν έγκυος με βάση τις αγοραστικές συνήθειες της - μερικές φορές ακόμη και την παράδοση των ειδήσεων για την εγκυμοσύνη μέλη της οικογένειας.
Πολλές προσωπικές λεπτομέρειες υποβάλλονται σε στατιστική ανάλυση σε βάση ρουτίνας για να παρέχουν περισσότερες πληροφορίες για τις συνήθειες και τα χαρακτηριστικά κάποιου. Ορισμένες από αυτές τις πρακτικές συμβαίνουν οικειοθελώς και με πλήρη επίγνωση και υποστήριξη του χρήστη, ενώ άλλες μπορούν να εκτελεστούν με απίστευτο τρόπο από οργανισμούς και εταιρείες.
Η εκούσια παρακολούθηση συμπεριφοράς εγείρει ορισμένα ηθικά και κοινωνικά ζητήματα.
Πολλά άτομα μοιράζονται τώρα ελεύθερα τις προσωπικές τους πληροφορίες για την υγεία με διάφορους τρόπους, μέσω της ρητής κατανομής μέσω μιας εκτίμησης κινδύνου για την υγεία, περιστασιακά μέσω φορητών συσκευών και μερικές φορές ακόμη και ακούσια μέσω δημοσιεύσεων κοινωνικών μέσων και αγοραστικής συμπεριφοράς.
Η ακρίβεια με την οποία μπορούν να αναλυθούν και να ερμηνευτούν αυτές οι πληροφορίες αυξάνεται, δημιουργώντας τόσο κινδύνους και ευκαιρίες, όσο και ενδεχομένως τοποθετώντας μας στα σύνορα μιας νέας εποχής, όπου η τεχνολογία θα μπορούσε να διαδραματίσει ρόλο στην προώθηση της υγείας και της ευημερίας με θετικούς τρόπους.
Προσαρμογή της υγείας και επίλυση του προβλήματος της λανθασμένης διάγνωσης
Τα διαγνωστικά σφάλματα των ιατρών αποτελούν έναν τεράστιο τομέα ανησυχίας. Ως αποτέλεσμα της αμέλειας ή της αποτυχίας να εξετάσει την αφθονία των επιλογών, αυτά τα λάθη μπορεί να είναι καταστροφικά για τον ασθενή και την οικογένειά του / της. Η καθηγήτρια Eta Berner του Πανεπιστημίου της Αλαμπάμα στο Μπέρμιγχαμ και ο Δρ. Mark L. Graber του Ιατρικού Κέντρου Northport VA διαπίστωσαν ότι περίπου 10 έως 20 τοις εκατό των ιατρικών περιστατικών είχαν λανθασμένη διάγνωση. Οι Berner και Graber επισημαίνουν ότι οι αποτελεσματικές γνωστικές διαδικασίες ασφαλίζουν τη σωστή διάγνωση τις περισσότερες φορές. Ωστόσο, υπάρχουν στιγμές που αποτυγχάνουν αυτές οι γνωσιακές διαδικασίες. Οι αναλύσεις του Berner και του Graber έδειξαν ότι η υπερβολική αυτοπεποίθηση του ιατρού μπορεί συχνά να συντελεί στην πρόκληση ιατρικών σφαλμάτων. Επιπλέον, μια έκθεση που χρηματοδοτήθηκε από τον Οργανισμό για την Έρευνα και την Ποιότητα στον τομέα της Υγείας διαπίστωσε ότι το 28% όλων των διαγνωστικών λαθών είναι σοβαρότατα, ενδεχομένως υποδεικνύοντας ένα απειλητικό για τη ζωή γεγονός.
Η λανθασμένη διάγνωση μπορεί να περιλαμβάνει οτιδήποτε από τη συνταγογράφηση του λάθους φαρμάκου για τη χειρουργική αφαίρεση του λανθασμένου μέρους του σώματος.
Αυτή η ανησυχητική στατιστική μπορεί να οδηγήσει ορισμένους να ισχυριστούν ότι το υπάρχον πρόβλημα θα μπορούσε να λυθεί απλά αφαιρώντας τον ανθρώπινο παράγοντα από την εξίσωση. Τεχνολογία όπως η Watson της IBM προσφέρει τώρα ελπίδα ότι οι πληροφορίες μπορούν να συντίθενται και να εξεταστούν με πιο ανθρωπιστικό τρόπο. Η γνωστική τεχνολογία του Watson έχει την ικανότητα να αναλύει μη δομημένα δεδομένα, να κατανοεί περίπλοκες ερωτήσεις και να παρουσιάζει τελικούς χρήστες με λύσεις βασισμένες σε αποδεικτικά στοιχεία.
Ο Watson στοχεύει στην ενίσχυση των αλγόριθμων πρόβλεψης, οι οποίοι δεν έχουν αποδειχθεί πάντα επιτυχείς όταν εφαρμόζονται σε πραγματικές καταστάσεις.
Ωστόσο, αυτό που θα μπορούσε να είναι πιο προκλητικό από το ενδεχόμενο πρόβλεψης του Watson είναι η πιθανότητα η τεχνολογία του να ξεπεράσει τους ανθρώπους όταν πρόκειται για παρεμβάσεις υγείας και φυσικής κατάστασης.
Το 2015, η IBM Watson σχημάτισε μια στρατηγική συνεργασία με την CVS Health, ανακοίνωσε την άφιξη της γνωστικής πληροφορικής στην εμπορική βιομηχανία υγειονομικής περίθαλψης. Πρότεινε ότι σύντομα, οι γιατροί και οι φαρμακοποιοί θα έχουν πρόσβαση στην τεχνολογία που θα μπορούσε, για παράδειγμα, να ανιχνεύσει αυτόματα τη μείωση της υγείας του ασθενούς.
Μια συμφωνία μεταξύ του Under Armor και της IBM, η οποία υπογράφηκε το 2016, έδωσε την ευκαιρία στον Watson να οικοδομήσει και να αναπτύξει περαιτέρω την πλατφόρμα υγείας του. Η Apple επίσης πραγματοποίησε σημαντική επένδυση στην πλατφόρμα Watson με στόχο τη βελτίωση των πλατφορμών ανάπτυξης της HealthKIT και της ResearchKIT. Σύμφωνα με έκθεση της Grand View Research Inc., η παγκόσμια αγορά γνωστικών υπολογιστών για την υγειονομική περίθαλψη προβλέπεται να ανέλθει σε πάνω από 5 δισεκατομμύρια δολάρια μέχρι το 2020.
Οι μελέτες επιστημονικής έρευνας υποστηρίζουν επίσης τη χρήση τεχνολογίας για την ελαχιστοποίηση του κινδύνου σφάλματος και βλάβης στην ιατρική. Ο Δρ Mark L. Graber προτείνει τη χρήση των αποκαλούμενων "εργαλείων ενεργοποίησης", τα οποία θα μπορούσαν να εντοπίσουν περιπτώσεις που διατρέχουν κίνδυνο διαγνωστικού σφάλματος, αναλύοντας ηλεκτρονικά αρχεία υγείας και αναζητώντας αποκλίσεις. Διαφορετικοί τύποι εργαλείων ενεργοποίησης χρησιμοποιούνται τώρα στα αμερικανικά νοσοκομεία, ωστόσο, δεν είναι πάντοτε σε θέση να ανιχνεύσουν διαγνωστικά σφάλματα. Ως εκ τούτου, καταβάλλονται προσπάθειες για τον σχεδιασμό καλύτερων προληπτικών παρεμβάσεων.
Μια υποσχόμενη προσέγγιση παρουσιάστηκε από τον Δρ Hardeep Singh και τους συναδέλφους του. Σχεδίασαν μια ηλεκτρονική σκανδάλη που μπορεί να εντοπίσει ασθενείς που έχουν απρογραμμάτιστα νοσοκομειακά ραντεβού εντός 2 εβδομάδων από την επίσκεψη πρωτοβάθμιας περίθαλψης, υποδηλώνοντας ότι κάτι θα μπορούσε να είχε χαθεί κατά την αρχική εξέταση. Πολλοί εμπειρογνώμονες προβλέπουν ότι η τεχνολογία αυτή θα βοηθήσει στην πρόληψη των σφαλμάτων ή τουλάχιστον θα τους φέρει στην προσοχή σε μια προσπάθεια να τους μειώσουν.
Αγκαλιάζοντας την Τεχνητή Νοημοσύνη
Το 2015, ο πρόεδρος του NHS England, Sir Malcolm Grant, εξέφρασε τη γνώμη του ότι η τεχνητή νοημοσύνη θα πρέπει να αγκαλιάζεται από την υγειονομική περίθαλψη καθώς θα μπορούσε να βελτιώσει την ποιότητα της φροντίδας καθώς και να προχωρήσει στην εξατομίκευση της ιατρικής. Πολλοί επαγγελματίες στον τομέα της υγείας έχουν από τότε αντανακλά αυτό το συναίσθημα. Η τεχνολογία που θα μπορούσε να διαγνώσει με αξιοπιστία και / ή να εντοπίσει τα διαγνωστικά σφάλματα μέσω της εξόρυξης δεδομένων είναι πιθανό να μην είναι πολύ μακριά.
Ο γνωστικός υπολογισμός στον τομέα της υγειονομικής περίθαλψης χρησιμοποιείται επί του παρόντος περισσότερο ως συμβουλευτικός ρόλος και όχι για να ληφθούν τελικές αποφάσεις ή να αντικατασταθεί ο άνθρωπος καθαυτός. Ο Watson, για παράδειγμα, βοηθά τα άτομα και τους οργανισμούς να προβούν σε πιο εξελιγμένες και εξελιγμένες κλινικές αποφάσεις και σύντομα θα βοηθήσουν τα άτομα να βελτιώσουν τα επίπεδα φυσικής κατάστασης μέσω της συνεργασίας τους με την Under Armor. Ωστόσο, πριν από λίγο καιρό οι υπολογιστές ξεπέρασαν τους ανθρώπους ως κυρίαρχη δύναμη σε ένα πνευματικό άθλημα όπως το σκάκι και οι δυνάμεις υπολογιστών αυξάνονται μόνο. Επιπλέον, το ανθρώπινο στοιχείο προστίθεται στα χαρακτηριστικά επεξεργασίας των ηλεκτρονικών υπολογιστών, καθιστώντας την ιδέα του υπολογιστή και των ρομπότ να φροντίζουν για εμάς που δεν φτάνουν τόσο μακριά όσο φαινόταν κάποτε.
> Πηγές
> Berner E, Graber M. Η υπερβολική αυτοπεποίθηση ως αιτία διαγνωστικού σφάλματος στην ιατρική. Η Αμερικανική Εφημερίδα της Ιατρικής . 2008 · 121: S2-S23.
> Graber ML. Η συχνότητα εμφάνισης διαγνωστικού σφάλματος στην ιατρική. BMJ Ποιότητα & Ασφάλεια . 2013 · 22 (Συμπλήρωμα 2): ii21-ii27. doi: 10.1136 / bmjqs-2012-001615.
> Lupton D. Προώθηση της υγείας στην ψηφιακή εποχή: ένα κρίσιμο σχόλιο. Διεθνής Προώθηση της Υγείας . 2015, 30 (1): 174-183
> Singh Η, Giardina TD, Meyer Αϋ, Forjuoh SN, Reis Singh Η, Giardina TD, Meyer Αϋ, Forjuoh SN, Reis MD, Thomas EJ. Τύποι και προέλευση διαγνωστικών σφαλμάτων στις ρυθμίσεις πρωτοβάθμιας περίθαλψης. Εσωτερική ιατρική JAMA . 2013 · 173 (6): 418-425.
> Thompson M. Υγειονομική περίθαλψη και γνωσιακή ομάδα υπολογιστών για μεγάλες αλλαγές. Econtent . 2015: 4-8.