Mnoge dimenzije savremenog života sve više pokreće veštačka inteligencija, uključujući različite aspekte zdravlja i dobrobiti. Koliko dugo računar može nadvladati intervencije zdravstvene nege usmjerene ljudima? Možda je još važnije, koliko dugo će čovek biti voljan da veruje nečovječnom osoblju da ga tretira? Ova dva pitanja mogu postati fokusna u raspravi o potencijalu tehnologije mašinskog učenja i robotike u zdravstvenoj zaštiti.
Računari mogu "razmišljati" na sve ljudski način. Bez obzira da li smo spremni ili ne, nedavni razvoj kognitivnih računarskih signala signal je da je stigao kompjuterizovani trening i zdravstvena zaštita.
Statistička analiza zdravstvenih informacija
Nije tajna da delimo sve vrste privatnih i često intimnih informacija svaki put kad napravimo kupovinu ili pretražimo Internet. Sposobnost predviđanja zdravstvenih događaja jednostavnim praćenjem slučajnog ponašanja pokazala se još jednom u 2012. godini kada je trgovac Target pokazao svet koji su mogli da predvide s neobičnim tačnostima ukoliko je žena bila trudna na osnovu svojih navika u kupovini - ponekad čak i prenošenje vesti o trudnoći članovi porodice.
Mnogi lični detalji se statistički analiziraju na rutinski osnovi kako bi se omogućio uvid u svoje navike i karakteristike. Neke od ovih praksi se dešavaju dobrovoljno i uz potpunu svesnost i podršku korisnika, dok druge mogu krvave organizacije i kompanije.
Nepovratno praćenje ponašanja podiže određena etička i socijalna pitanja.
Mnogi pojedinci sada slobodno dele svoje lične zdravstvene informacije na različite načine, kroz eksplicitno razmjenjivanje putem procjene zdravstvenog rizika, slučajno putem habanja, a ponekad čak i nenamjerno putem postova društvenih medija i ponašanja kupovine.
Tačnost kojom se ove informacije mogu analizirati i interpretirati povećava se, stvarajući i opasnosti i mogućnosti, i eventualno nas postaviti na granicu nove ere gde tehnologija može igrati ulogu u pružanju našeg zdravlja i blagostanja na pozitivan način.
Personalizovanje zdravlja i rešavanje problema pogrešnog dijagnostikovanja
Doktorska dijagnostička greška predstavlja ogromnu oblast zabrinutosti. Rezultat nehata ili neuspeha da se uzme u obzir obilje mogućnosti, ove greške mogu biti razorne za pacijenta i njegovu ili njenu porodicu. Profesor Eta Berner sa univerziteta u Alabami u Birminghamu i dr Mark L. Graber iz medicinskog centra Northport VA ustanovili su da je procenjeno 10 do 20 procenata medicinskih slučajeva pogrešno dijagnostifikovano. Berner i Graber ističu da efikasni kognitivni procesi većinu vremena obezbeđuju tačnu dijagnozu. Međutim, postoje vremena kada ovi kognitivni procesi ne uspevaju. Analiza Bernera i Grabera pokazala je da overena pouzdanost lekara često može biti uzrok medicinskih grešaka. Osim toga, izveštaj finansiran od strane Agencije za istraživanje i kvalitet zdravstvene zaštite utvrdio je da je 28 procenata svih dijagnostičkih grešaka ozbiljno ozbiljno, što potencijalno ukazuje na događaje opasan po život.
Mišljenje dijagnostikovanja može uključiti bilo šta od propisivanja pogrešnog lijeka do hirurškog uklanjanja pogrešnog dela tela.
Ova alarmantna statistika može dovesti do toga da neki tvrde da se postojeći problem može rešiti jednostavno uklanjanjem ljudskog faktora iz jednačine. Tehnologija poput IBM-ovog Watsona sada nudi nadu da se informacije mogu sintetizovati i razmišljati na humanističniji način. Watsonova kognitivna tehnologija ima kapacitet da analizira nestrukturne podatke, razume kompleksna pitanja i prezentuje krajnje korisnike rešenjima zasnovanim na dokazima.
Watson ima za cilj da poboljša prediktivne algoritme, koji se nisu uvek pokazali uspešnim kada se primjenjuju u realnim situacijama.
Međutim, ono što bi moglo biti više provokativno od Watsonovog potencijala predviđanja je mogućnost da njegova tehnologija prevazilazi ljude kada su u pitanju zdravstvene i fitnes intervencije.
IBM Watson je 2015. godine formirao strateško partnerstvo sa CVS Healthom, što je najavilo dolazak kognitivnih računara u komercijalnu zdravstvenu industriju. Predloženo je da uskoro lekari i farmaceuti imaju pristup tehnologiji koja bi, na primer, automatski mogla otkriti pad zdravlja pacijenta.
Sporazum između kompanije Under Armour i IBM, koji je potpisan 2016. godine, dala je Watsonu priliku da dalje izgradi i razvije svoju zdravstvenu platformu. Apple je takođe napravio značajnu investiciju u Watson platformu u cilju poboljšanja svojih razvojnih platformi HealthKIT i ResearchKIT. Prema izveštaju kompanije Grand View Research Inc., globalno tržište kognitivnih računara u zdravstvu predviđeno je da do 2020. dostigne preko 5 milijardi dolara.
Naučno-istraživačke studije takođe podržavaju upotrebu tehnologije kako bi se smanjio rizik od greške i štete u medicini. Dr. Mark L. Graber predlaže korišćenje takozvanih "okidača" koji bi mogli identifikovati slučajeve koji su u riziku od dijagnostičke greške analizom elektronskih zdravstvenih zapisa i traženjem neslaganja. U američkim bolnicama sada se koriste različiti tipovi okidačkih alata, međutim, oni ne mogu uvek otkriti dijagnostičke greške. Zbog toga se ulažu napori na planiranju boljih preventivnih intervencija.
Perspektivan pristup predstavili su dr. Hardeep Singh i njegove kolege. Oni su dizajnirali elektronski okidač koji može identifikovati pacijente koji su imali neplanirane bolničke postavke u roku od 2 sedmice od svoje posjete za primarnu negu, što ukazuje na to da je nešto moguće propustiti tokom prvog pregleda. Mnogi stručnjaci predviđaju da će takva tehnologija pomoći u sprečavanju grešaka ili ih barem dovesti na pažnju u nastojanju da ih smanje.
Prihvatanje veštačke inteligencije
Predsednik NHS Engleske, Ser Malcolm Grant, je 2015. godine izrazio mišljenje da veštačku inteligenciju treba prihvatiti zdravstvenom zaštitom, jer bi to moglo poboljšati kvalitet njege, kao i unaprediti personalizaciju medicine. Mnogi zdravstveni radnici od tada ponavljaju ovo osećanje. Tehnologija koja bi pouzdano dijagnostikovala i / ili identifikovala dijagnostičke greške kroz rudarenje podataka verovatno nije daleko.
Kognitivno računarstvo u zdravstvenom sektoru se trenutno koristi više u savjetodavnom smislu, a ne donositi konačne odluke ili zamijeniti ljude po sebi. Watson, na primjer, pomaže pojedincima i organizacijama da donose naprednije i sofisticirane kliničke odluke i uskoro će pomoći pojedincima da poboljšaju svoje nivoe fitnessa kroz svoje partnerstvo s Under Armor. Međutim, pre samo kratkog vremena kompjuteri su prevazišli ljude kao dominantnu silu u intelektualnom sportu poput šaha, a kompjuterske sile se samo povećavaju. Štaviše, ljudski element se dodaje računarskim karakteristikama obrade, čineći ideju o kompjuteru i robotima koji brinu o nama koji nije dosadan, kao što se nekad činilo.
> Izvori
> Berner E, Graber M. Prekomerna saglasnost kao uzrok dijagnostičke greške u medicini. Američki časopis medicine . 2008; 121: S2-S23.
> Graber ML. Incidencija dijagnostičke greške u medicini. BMJ kvaliteta i sigurnost . 2013; 22 (Suppl 2): ii21-ii27. doi: 10.1136 / bmjqs-2012-001615.
> Lupton D. Promocija zdravlja u digitalnoj eri: kritički komentar. International Promotion International . 2015; 30 (1): 174-183
> Singh H, Giardina TD, Meyer I, Forjuoh SN, Reis Singh H, Giardina TD, Meyer I, Forjuoh SN, Reis MD, Thomas EJ. Vrste i poreklo dijagnostičkih grešaka u primarnoj zaštiti. JAMA interna medicina . 2013; 173 (6): 418-425.
> Thompson M. Healthcare i kognitivna računarska ekipa za velike promene. Econtent . 2015: 4-8.