Η τεχνητή νοημοσύνη (AI) έχει αποδειχθεί ότι έχει αξία στην πανδημία COVID-19 και είναι πολλά υποσχόμενη ως προς τον περιορισμό των μελλοντικών κρίσεων της υγειονομικής περίθαλψης.
Κατά τη διάρκεια του πρώτου κύματος της πανδημίας στη Νέα Υόρκη, για παράδειγμα, το Mount Sinai Health System χρησιμοποίησε έναν αλγόριθμο για να βοηθήσει στον εντοπισμό ασθενών που είναι έτοιμοι να πάρουν εξιτήριο.
Τέτοια συστήματα μπορούν να βοηθήσουν τα υπερφορτωμένα νοσοκομεία να διαχειριστούν το προσωπικό και τη ροή των προμηθειών, ώστε να μπορούν να συνεχίσουν να παρέχουν ανώτερη φροντίδα στους ασθενείς.
Οι εφαρμογές πανδημίας έχουν δείξει τη δυνατότητα της AI όχι μόνο να άρει τα διοικητικά βάρη, αλλά και να δώσει πίσω στους γιατρούς αυτό που ο Eric Topol, MD, ιδρυτής και διευθυντής του Scripps Research Translational Institute και συγγραφέας της Deep Medicine, αποκαλεί «το δώρο του χρόνου».
Περισσότερος χρόνος με τους ασθενείς, συμβάλλει στην καλύτερη επικοινωνία και στις θετικές σχέσεις, οι οποίες μειώνουν τις πιθανότητες ιατρικών σφαλμάτων και ενισχύουν την ασφάλεια των ασθενών.
Ωστόσο, οι γιατροί και τα συστήματα υγείας θα πρέπει να προσεγγίσουν την AI με προσοχή.
Παραμένουν πολλά άγνωστα – συμπεριλαμβανομένων πιθανών κινδύνων ευθύνης και πιθανότητας επιδείνωσης προϋπάρχοντος κινδύνου μεροληψίας.
Ο νόμος θα πρέπει να εξελιχθεί για να ληφθούν υπόψη σενάρια ευθύνης που σχετίζονται με την τεχνητή νοημοσύνη.
Όπως κάθε αναδυόμενη τεχνολογία, η τεχνητή νοημοσύνη ενέχει κίνδυνο, αλλά η υπόσχεσή της για οφέλη θα πρέπει να υπερτερεί της πιθανότητας αρνητικών συνεπειών.
Η επιτυχία της AI σχετικά με την πανδημία περιορίζεται λόγω κατακερματισμένων δεδομένων
Η καινοτομία είναι το κλειδί για την επιτυχία σε οποιαδήποτε κρίση, και πολλοί πάροχοι υγειονομικής περίθαλψης έχουν δείξει την ικανότητά τους να καινοτομούν με την AI κατά τη διάρκεια της πανδημίας.
Για παράδειγμα, ερευνητές στο σύστημα υγείας του Πανεπιστημίου της Καλιφόρνια του Σαν Ντιέγκο (UCSD) που σχεδίαζαν ένα πρόγραμμα AI για να βοηθήσουν τους γιατρούς να εντοπίσουν την πνευμονία σε μια ακτινογραφία θώρακος, επανεξέτασαν την εφαρμογή τους για να βοηθήσουν τους γιατρούς που καταπολεμούν τον κορωνοϊό.
Εν τω μεταξύ, η AI έχει χρησιμοποιηθεί για να διακρίνει τα συμπτώματα που σχετίζονται με την COVID-19.
Αυτές οι πληροφορίες βοηθούν τώρα τους γιατρούς να διακρίνουν την COVID-19 από τη γρίπη.
Οι περισσότερες εφαρμογές τεχνητής νοημοσύνης στην ιατρική βασίζονται στη μηχανική μάθηση.
Δηλαδή, εκπαιδεύονται σε ιστορικά δεδομένα ασθενών για να αναγνωρίζουν τα πρότυπα.
Επομένως, «Όλα όσα κάνουμε γίνονται καλύτερα με πολύ περισσότερα σύνολα δεδομένων», λέει ο Δρ. Topol.
Δυστυχώς, λόγω των διαφορετικών συστημάτων μας, δεν έχουμε συγκεντρωτικά δεδομένα.
Και ακόμη και αν τα δεδομένα μας ήταν συγκεντρωτικά, οι ερευνητές δεν διαθέτουν αρκετά αξιόπιστα δεδομένα της COVID-19 για να τελειοποιήσουν τους αλγόριθμους βραχυπρόθεσμα.
Ή, με πιο θλιβερό τρόπο γράφει η Washington Post: «Μία από τις μεγαλύτερες προκλήσεις ήταν ότι πολλά δεδομένα παραμένουν σιωπηλά μέσα σε ασύμβατα συστήματα υπολογιστών, που συσσωρεύονται από επιχειρηματικά συμφέροντα και εμπλέκονται στη γεωπολιτική».
Τα καλά νέα είναι ότι η πλατφόρμα μηχανικής μάθησης και επιστήμης δεδομένων Kaggle φιλοξενεί το COVID-19 Open Research Dataset, ή το CORD-19, το οποίο περιέχει πάνω από 100.000 επιστημονικά άρθρα σχετικά με τις COVID-19, SARS και άλλες σχετικές λοιμώξεις.
Αντί για ένα πραγματικό κεντρικό αποθετήριο ανώνυμων δεδομένων υγείας, τέτοια μεγάλα σύνολα δεδομένων, μπορούν να βοηθήσουν στην εκπαίδευση νέων εφαρμογών AI σε αναζήτηση νέων διαγνωστικών εργαλείων και θεραπειών.
Η AI εισάγει νέες ερωτήσεις σχετικά με την ευθύνη
Ενώ η AI μπορεί τελικά να έχει νομική προσωπικότητα, στην πραγματικότητα δεν είναι άτομο.
Είναι ένα εργαλείο που ασκείται από μεμονωμένους κλινικούς ιατρούς, από ομάδες, από συστήματα υγείας, ακόμη και από πολλά συστήματα που συνεργάζονται.
Οι ισχύοντες νόμοι περί ευθύνης δεν είναι έτοιμοι για την εποχή της ψηφιακής ιατρικής.
Οι αλγόριθμοι AI δεν είναι τέλειοι.
Επειδή γνωρίζουμε ότι το διαγνωστικό σφάλμα είναι ήδη ένας σημαντικός παράγοντας για ισχυρισμούς αθέμιτων πρακτικών, πρέπει να ρωτήσουμε: Τι συμβαίνει όταν ένας ασθενής ισχυρίζεται ότι το διαγνωστικό σφάλμα συνέβη επειδή ένας ιατρός ή ιατροί βασίστηκαν πάρα πολύ στην AI;
Στις ΗΠΑ, οι καθυστερήσεις στα τεστ έχουν απειλήσει την ασφάλεια των ασθενών, των ιατρών και του κοινού, καθυστερώντας τη διάγνωση της COVID-19.
Αλλά πάλι, οι πάροχοι υγειονομικής περίθαλψης έχουν εφαρμόσει πραγματική καινοτομία, δημιουργώντας νέες και χρήσιμες ιδέες και εφαρμόζοντας τες σε αυτό το πρόβλημα.
Για παράδειγμα, οι ερευνητές στο Όρος Σινά έγιναν οι πρώτοι που συνδυάζουν AI με απεικόνιση και κλινικά δεδομένα για να παράγουν έναν αλγόριθμο που μπορεί να ανιχνεύσει την COVID-19 με βάση τις αξονικές τομογραφίες (CT) του θώρακα, σε συνδυασμό με τις πληροφορίες των ασθενών και το ιστορικό έκθεσης.
Η τεχνητή νοημοσύνη στην υγειονομική περίθαλψη μπορεί να βοηθήσει στον μετριασμό των προκαταλήψεων ή να τις επιδεινώσει.
Η μηχανική εκμάθηση είναι εξίσου καλή με τις πληροφορίες που παρέχονται για την εκπαίδευση του συστήματος.
Τα μοντέλα που εφαρμόζονται σε μερικά σύνολα δεδομένων, μπορούν να στραφούν προς δημογραφικά στοιχεία που συχνά εμφανίζονται στα δεδομένα – για παράδειγμα, Καυκάσιοι ή άνδρες άνω των 60 ετών.
Υπάρχει ανησυχία ότι οι αναλύσεις που βασίζονται σε ελαττωματικούς ή μεροληπτικούς αλγόριθμους θα μπορούσαν να επιδεινώσουν τα υπάρχοντα φυλετικά κενά και άλλες ανισότητες στην υγειονομική περίθαλψη.
Ήδη κατά τη διάρκεια των πρώτων κυμάτων της πανδημίας, πολλά συστήματα AI που χρησιμοποιήθηκαν για την ταξινόμηση των ακτίνων Χ, έχουν βρεθεί ότι δείχνουν φυλετικές και κοινωνικοοικονομικές προκαταλήψεις.
Τέτοιες προκαταλήψεις θα μπορούσαν να δημιουργήσουν υψηλό δυναμικό για κακές συστάσεις, συμπεριλαμβανομένων ψευδών θετικών και ψευδών αρνητικών.
Είναι ζωτικής σημασίας οι κατασκευαστές συστημάτων να μπορούν να εξηγούν και να πιστοποιούν τα εκπαιδευτικά τους δεδομένα και ότι όσοι κατανοούν καλύτερα τους κινδύνους του συστήματος που σχετίζονται με την AI, είναι εκείνοι που επηρεάζουν τα συστήματα υγειονομικής περίθαλψης ή αλλάζουν εφαρμογές για τον μετριασμό των βλαβών που σχετίζονται με την AI.
Η AI μπορεί να βοηθήσει στον εντοπισμό της επόμενης εστίας
Πάνω από μία εβδομάδα πριν από την κυκλοφορία της πρώτης προειδοποίησης από τον Παγκόσμιο Οργανισμό Υγείας (ΠΟΥ) σχετικά με τον νέο κορωνοϊό, η πλατφόρμα AI BlueDot, που δημιουργήθηκε στο Τορόντο του Καναδά, εντόπισε ένα ασυνήθιστο σύμπτωμα περιπτώσεων πνευμονίας στη Wuhan της Κίνας.
Εν τω μεταξύ, στο Παιδιατρικό Νοσοκομείο της Βοστώνης, η εφαρμογή AI Healthmap σάρωσε κοινωνικά μέσα και ειδησεογραφικούς ιστότοπους για σημάδια συμπτωμάτων ασθενειών και επίσης επισήμανε τα πρώτα σημάδια του τι θα γινόταν με το ξέσπασμα της COVID-19 – ημέρες πριν από την πρώτη επίσημη ειδοποίηση του ΠΟΥ.
Αυτές οι καινοτόμες εφαρμογές της τεχνητής νοημοσύνης στην υγειονομική περίθαλψη αποδεικνύουν την πραγματική υπόσχεση για τον πρώιμο εντοπισμό μελλοντικών εστιών νέων ιών.
Αυτό θα επιτρέψει στους παρόχους υγειονομικής περίθαλψης και τους υπαλλήλους δημόσιας υγείας, να λάβουν πληροφορίες νωρίτερα, να μειώσουν το φορτίο στα συστήματα υγείας και τελικά να σώσουν ζωές.
