Daugelį šiuolaikinio gyvenimo aspektų vis dažniau naudoja dirbtinis intelektas, įskaitant įvairius sveikatos ir gerovės aspektus. Kiek laiko prieš kompiuterį gali viršyti žmonių nukreiptos sveikatos priežiūros intervencijos? Galbūt dar svarbiau, kiek ilgai, kol žmogus norės pasitikėti ne žmogumi, kad gydytų jį ar ją? Šie du klausimai gali tapti pagrindiniu diskusijoje apie mašinų mokymosi technologijų ir robotikos galimybes sveikatos priežiūros srityje.
Kompiuteriai gali "galvoti" vis labiau į žmones panašiu būdu. Nesvarbu, ar mes esame pasiruošę, ar neseniai, naujausių kognityvinių skaičiavimų signalų raidos, kad kompiuterių mokymo ir sveikatos priežiūros amžius atvyko.
Statistiškai analizuojant informaciją apie sveikatą
Ne paslaptis, kad kiekvieną kartą, kai atliekame pirkimą arba naršome internete, mes dalinasi visų rūšių privačia ir dažnai intymia informacija. Gebėjimas numatyti sveikatos įvykius, tiesiog stebint atsitiktinį elgesį, buvo labai pastebimas dar 2012 m., Kai mažmenininkas Target parodė pasauliui, kurį jie galėjo numatyti neįtikėtinai tiksliai, jei moteris buvo nėščia, atsižvelgdama į savo įpročius - kartais net pristatydama nėštumo naujienas į niūrus šeimos nariai.
Daugelis asmeninių duomenų yra įprastai analizuojami statistiškai, siekiant daugiau sužinoti apie įpročius ir savybes. Kai kurie iš šių veiksmų yra savanoriški ir visiškai suprantami vartotojui bei palaikomi, o kitus - organizacijomis ir įmonėmis.
Neteisingai stebint elgesį kelia tam tikrus etikos ir socialinius klausimus.
Daugelis žmonių šiuo metu laisvai dalijasi savo asmenine informacija apie sveikatą įvairiais būdais, aiškiai dalijantis naudodamiesi sveikatos rizikos įvertinimu, atsitiktinai per dėvimus ir kartais net netyčia per socialinės žiniasklaidos pranešimus ir elgesį perkant.
Tikslumas, kuriuo galima analizuoti ir interpretuoti šią informaciją, didėja, sukuriant ir pavojų, ir galimybes, ir galbūt mus išstumti į naujos eros sritį, kur technologija galėtų prisidėti prie mūsų sveikatos ir gerovės skatinimo.
Sveikatos personalizavimas ir misdiagnostikos problemos sprendimas
Gydytojų diagnostikos klaidos yra didžiulė susirūpinimą kelianti sritis. Dėl neatsargumo ar nesugebėjimo apsvarstyti galimybių gausos, šios klaidos gali būti žalingos pacientui ir jo šeimai. Profesorė Eta Berner iš Alabamos universiteto Birmingeme ir Dr. Mark L. Graber iš Northport VA Medical Center nustatė, kad apie 10-20 proc. Medicinos atvejų buvo klaidingai diagnozuota. Berner ir Graber pabrėžia, kad veiksmingi pažinimo procesai užtikrina tinkamą diagnozę daugeliu atvejų. Tačiau yra laikų, kai šie pažinimo procesai nesugeba. Bernerio ir Graberio analizė parodė, kad gydytojo pasikliautinumas dažnai gali būti medicininių klaidų priežastimi. Be to, Sveikatos priežiūros tyrimų ir kokybės agentūros finansuojamoje ataskaitoje nustatyta, kad 28 proc. Visų diagnostinių klaidų yra sunkios, galbūt rodo gyvybei pavojingą įvykį.
Klaidingas diagnozavimas gali apimti bet kokį vaisto išrašymą, kad chirurgiškai pašalintų netinkamą kūno dalį.
Dėl šios nerimą keliančios statistikos gali kilti argumentas, kad esamą problemą galima išspręsti paprasčiausiai pašalinant žmogiškąjį veiksnį iš lygties. Technologijos, tokios kaip IBM "Watson", dabar siūlo vilties, kad informaciją galima sintezuoti ir suplanuoti labiau humanistine forma. "Watson" pažinimo technologija gali analizuoti nestruktūrinius duomenis, suprasti sudėtingus klausimus ir pateikti galutiniams vartotojams įrodymais pagrįstus sprendimus.
"Watson" siekia tobulinti prognozuojamus algoritmus, kurie ne visada pasirodė esąs sėkmingi, kai jie taikomi realiose situacijose.
Tačiau tai, kas galėtų būti labiau provokuojanti nei Watsono prognozavimo potencialas, yra tai, kad jos technologija gali viršyti žmones, kai kalbama apie sveikatos ir fitneso intervencijas.
2015 m. "IBM Watson" sukūrė strateginę partnerystę su "CVS Health", pranešė apie kognityvinių skaičiavimų atėjimą į komercinę sveikatos priežiūros pramonę. Jis pasiūlė, kad netrukus gydytojai ir vaistininkai turėtų prieigą prie technologijų, kurios galėtų, pavyzdžiui, automatiškai nustatyti paciento sveikatos sutrikimą.
"Under Shield" ir "IBM" susitarimas, pasirašytas 2016 m., Suteikė Watson galimybę toliau kurti ir plėtoti savo sveikatos platformą. "Apple" taip pat padarė didelių investicijų į "Watson" platformą, siekdama tobulinti "HealthKIT" ir "ResearchKIT" plėtros platformas. Pagal "Grand View Research Inc." ataskaitą, iki 2020 m. Pasaulinė sveikatos priežiūros kognityvinė skaičiavimo rinka turėtų siekti daugiau nei 5 mlrd.
Moksliniai tyrimai taip pat remia technologijų naudojimą, siekiant sumažinti klaidų ir žalos riziką medicinoje. Dr Mark L. Graber siūlo naudoti vadinamąsias "trigerio priemones", kuriomis būtų galima nustatyti diagnostinių klaidų riziką, analizuojant elektroninius sveikatos įrašus ir ieškant neatitikimų. Amerikos ligoninėse dabar naudojamos įvairios trigerio priemonės, tačiau jos ne visada gali aptikti diagnostines klaidas. Todėl dedamos pastangos kuriant geresnes prevencines intervencijas.
Daugelis perspektyvių būdų pateikė dr. Hardeep Singh ir jo kolegos. Jie sukūrė elektroninį aktyviklį, leidžianti identifikuoti pacientus, kuriems per 2 savaites nuo pirminės sveikatos priežiūros apsilankymo buvo numatytos neplaninės ligoninės paskyrimai, ir tai leidžia manyti, kad jų pradinio tyrimo metu buvo praleistas kažkas. Daugelis ekspertų prognozuoja, kad tokios technologijos padės išvengti klaidų arba bent jau atkreipti į juos dėmesį, siekiant jas sumažinti.
Dirbtinis intelektas
2015 m. NHS Anglijos pirmininkas seras Malcolmas Grantas išreiškė savo nuomonę, kad dirbtinis intelektas turėtų apimti sveikatos priežiūrą, nes tai galėtų pagerinti priežiūros kokybę, taip pat iš anksto pritaikyti mediciną. Nuo to laiko daugelis sveikatos specialistų prisipažino. Tikimybė, kad technologijos, galinčios patikimai diagnozuoti ir (arba) nustatyti diagnostines klaidas per duomenų gavybą, gali būti ne toli.
Kognityviniai skaičiavimai sveikatos priežiūros sektoriuje šiuo metu labiau naudojami patariamuoju vaidmeniu, o ne priimti galutinius sprendimus ar pakeisti žmones per se. Pavyzdžiui, "Watson" padeda asmenims ir organizacijoms priimti sudėtingesnius ir sudėtingesnius klinikinius sprendimus ir netrukus padės asmenims pagerinti savo fitneso lygį per partnerystę su "Under Armor". Tačiau buvo tik trumpą laiką, kad kompiuteriai viršijo žmones dominuojančia jėga intelektinėje sporto srityje kaip šachmatai, o skaičiavimo galiai tik didėja. Be to, žmogiškasis elementas pridedamas prie kompiuterio apdorojimo charakteristikų, todėl kompiuterio ir robotų idėja rūpinasi mus ne taip iš anksto, kaip kažkada atrodė.
> Šaltiniai
> Berner E, Graber M. Peru pasitikėjimas kaip diagnostikos klaida medicinoje. Amerikos medicinos žurnalas . 2008; 121: S2-S23.
> Graber ML. Diagnostinės paklaidos dažnis medicinoje. BMJ kokybė ir sauga . 2013; 22 (Suppl 2): ii21-ii27. doi: 10.1136 / bmjqs-2012-001615.
> Lupton D. Sveikatos skatinimas skaitmeninėje eroje: kritiškas komentaras. Sveikatos skatinimo tarptautinis . 2015 m., 30 (1): 174-183
> Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis MD, Thomas EJ. Diagnostikos klaidų tipai ir kilmė pirminės sveikatos priežiūros nustatymuose. JAMA vidaus medicina . 2013; 173 (6): 418-425.
> Thompson M. Sveikatos priežiūros ir kognityviosios skaičiavimo komanda prisidėjo prie didelių pokyčių. Econtent . 2015 m .: 4-8.