در آستانه دوره جدیدی از خدمات بهداشت و درمان که در آن هوش مصنوعی میتواند با به اشتراکگذاری دادهها برای ارائه بسیاری از خدمات جدید ترکیب شود، سازمانهای بهداشتی باید در زمینه استفاده درست از دادههای بیماران اعتماد آنها را به دست بیاورند. این پیامی بود که سخنرانان در مورد مراقبتهای بهداشتی و موضوعات هوش مصنوعی، در نمایشگاه الکترونیک مصرفی که هفته گذشته برگزار شد، ارائه کردند.
Christina Silcox همیار سیاست در مرکز سیاستهای بهداشت Duke-Margolis در جلسهای درباره اعتماد و تأثیر هوش مصنوعی بر بهداشت و درمان گفت: “مسائل مربوط به بایاس (جهتگیری) دادهها و توضیح پذیری به سرعت ظاهر شدند. یک مسئله مهم در سیستمهای توصیه شده برای یادگیری ماشین، عدم توانایی آنها در توضیح دلیل ارائه یک پیشنهاد است. ما نمیدانیم که نرم افزار چگونه به ورودی نگاه میکند و آن را با یک پیشنهاد ترکیب و الگوی خاص خود را پیدا میکند. این سیستم راهی برای برقراری ارتباط با ما در مورد نحوه تصمیمگیریاش ندارد. قطعا کارهای لازم در این زمینه انجام میشود. اما اکنون حتی توسعهدهنده نرمافزار هم نمیداند که این نرمافزار چه کاری را انجام میدهد.”
بعلاوه برخی از فنآوریهای سلامتی که از هوش مصنوعی استفاده میکنند ممکن است از تاییدیه FDA به عنوان یک دستگاه پزشکی برخوردار نباشند. قانون CARES در سال 2020 برخی از دستگاهها را از نظارت FDA خارج کرد. همچنین ممکن است نرمافزار به اسرار تجاری شرکت متکی باشد، در حالی که شرکت تمایل به اشتراک آن اسرار نداشته باشد و در نتیجه این امر درک چگونگی عملکرد نرمافزار را با چالش بیشتری روبرو خواهد کرد. وی گفت:”این اطلاعات می تواند برای جلب اعتماد بیمار حیاتی باشد.”
همچنین ارزیابی یک دستگاه تندرستی با استفاده از هوش مصنوعی و دادهها نیاز به پوشش اینکه چه دادههای آموزشی برای نشان دادن جمعیت استفاده شدهاند و چه زیرگروههایی در این امر نقش داشتهاند، دارد. وی همچنین گفت: “نیاز است که در طول زمان نرم افزار را با هدف اطمینان از اینکه هنوز کار میکند، ارزیابی کنیم.”
سیستمهای نرم افزاری پزشکی نادر با قابلیت همکاری متقابل
قابلیت همکاری متقابل مسئلهای است که توسط Jesse Ehrenfeld رئیس هیئت امنای انجمن پزشکی آمریكا (و یك فرمانده نیروی دریایی آمریكا) مورد استناد قرار گرفته است. وی گفت:”الگوریتمهایی كه در بیمارستان كودكان استفاده میشوند ممكن است در بیمارستان بزرگسالان سودمند نباشند. لذا شناخت مفاد و شرایط بسیار مهم است.” وی خاطرنشان كرد كه این بحثها با سازندگان دستگاههای پزشكی، چالش برانگیز است.
Ehrenfeld توصیه میکند: “داشتن پزشكان خوب برای توسعه این سیستمها و ابزارها بسیار حیاتی است. AMA تلاش کرده است که چنین بحثهایی را تسهیل کند و موفقیتهایی نیز در این زمینه کسب کرده است.” وی در مورد بایاس شدن دادهها افزود: “همه دادهها بایاس شده هستند در حالی که ممکن است ما دلیل آن را درک نکنیم. ممکن است به دلیل این که جمعیت بیشتر را نشان نمیدهد یا به دلیل نحوه جمع آوری این دادهها، بایاس ایجاد شود.”
در یک نظر نهایی Silcox گفت:”به عنوان یک جامعه، ما باید دادههای مراقبتهای بهداشتی خود را تقویت کنیم. ما باید بر روی استاندارد سازی دادههای مراقبتهای بهداشتی و اطمینان از تطابق پذیری دادهها، تمرکز کنیم. این کلید بهبود نقش هوش مصنوعی در مراقبتهای بهداشتی است.
تبادل دادههای بیمار با پزشک از راه دور, به روشهای شفاف نیاز دارد.
دوره اپیدمی کروناویروس باعث افزایش استفاده از پزشکی از راه دور و انتشار دادههای لازم شدهاست. یکی از تامینکنندگان محصولات سلامتی گفت که این شرکت به خوبی با دادههای حریم خصوصی هماهنگ شدهاست. Randy Kellogg رئیس و مدیر عامل شرکت Omron Healthcare در جلسه CES با عنوان برقراری اعتدال میان حفظ سلامتی و حفظ امنیت گفت: “در شرکت ما حریم خصوصی حرف اول را میزند. ما به آن بعنوان دادههای بیمار نگاه میکنیم، نه دادههای خود. ما برای بررسی اطلاعات بیمار نیاز به اجازه او داریم و سعی میکنیم درمورد نحوه استفاده از دادههای مردم در مکالمات پزشکی از راه دور با آنها شفاف باشیم.”
از جمله محصولات Omron میتوان به HeartGuide که یک مانیتور فشار خون به صورت ساعت مچی دیجیتال است اشاره کرد که همچنین یک ترازو ودستگاه آنالیز بدن بلوتوثی است. دادههای بدست آمده از این ابزار در برنامه مانیتورینگ از راه دور بیمار متعلق به شرکت VitalSight و با هدف جلوگیری از سکتههای قلبی و مغزی، جمع آوری میشود. این شرکت بیش از 40 سال است در کیوتو ژاپن تجارت میکند و محصولات خود را در 110 کشور جهان ارائه میدهد. Robin Raskin بنیانگذار شرکت solving for Tech ازKellogg پرسید که آیا بیماران دادههای خود را بیشتر به اشتراک میگذارند؟ وی پاسخ داد:”این اتفاق پیش از اپیدمی در حال رخ دادن بود اکنون بیشتر شدهاست و مردم بیشتر دادههای خود را با پلتفرمها به روز میکنند.”
بیشتر شدن روند اشتراک اطلاعات سلامتی در دوران شیوع بیماری، توسط دکتر Hasson A. Tetteh از نیروی دریایی ایالات متحده که یک استراتژیست هوش مصنوعی و رئیس ماموریت بهداشتی DoD Joint است تائید شده است. وی گفت: “ما در مورد امنیت و حریم خصوصی مصمم هستیم. در دوره همه گیری کرونا ویرس ما به منظور حفظ مصالح عمومی، نیاز به کسب اطلاعات بیشتری نسبت به آنچه که مردم به آن عادت کردهاند، داریم.”
سپس بحث در مورد قانون حریم خصوصی HIPAA که برای استفاده یا افشای اطلاعات بهداشتی محافظتشده تنظیم شدهبود و برای اولین بار در سال 2003 به اجرا درآمد و اکنون منسوخ شده است، ادامه پیدا کرد. دکتر Tetteh گفت: “روش HIPAA کمی قدیمی است. سیاست اغلب از پیشرفتهای سریع تکنولوژی عقب میماند. وزارت دفاع “مهندسین سیاسی” دارد که تلاش میکنند اطلاعات بیمار را ایمن نگه دارند. همه ما درگیر حفاظت از ایمنی و حریم خصوصی بیمار هستیم و برای این کار از فناوری استفاده میکنیم. وزارت دفاع نیز اصول هوش مصنوعی را در زمینه کاربردهای اخلاقی صادر کردهاست.”
Humetrix دادههای بیمار را به صورت محلی ذخیره میکند، نه به صورت ابری
Humetrix به مدت 20 سال است که برنامههای مراقبتهای بهداشتی برای دستگاههای تلفن همراه متمرکز بر مشتری، ارائه می کند. دکتر Bettina Experton، رئیس و مدیر عامل این شرکت گفت: “رویکرد شرکت ما ذخیره اطلاعات بیمار بر روی یک دستگاه محلی و نه در فضای ابری است. ما هنوز از الگوریتمهای هوش مصنوعی در فضای ابری استفاده میکنیم، اما اطلاعات شخصی را در این فضا ذخیره نمیکنیم. ما آن را معماری” حریم خصوصی توسط طراحی “می نامیم. درواقع کلید روشهای امنیتی مناسب برای محافظت از دادهای بیمار، کنترل دسترسی است.”
پیشرفت فناوری رویکردی به نام داروی دقیق را در زمینه مراقبتهای بهداشتی امکانپذیر میسازد. این رویکرد تغییرات فردی در ژنها، محیط و سبک زندگی را در نظر میگیرد. نمونه این روند در محصولات آزمایشگاه Myriad Genetic Laboratories دیده میشود. این آزمایشگاه بر نقشی که ژنها و پروتئینها در بیماریها بازی میکنند، تمرکز کردهاست. نظرسنجیهای این شرکت نشان میدهد تقریباً 80٪ مردم درک درستی از پزشکی دقیق و آزمایش ژنتیک ندارند.
Nicole Lambert رئیس Myriad، در جلسه CES در مورد فنآوریهای ضروری برای انقلابی جدید در زمینه سلامتی سخنرانی کرد. در نتیجه، این شرکت امروز تلاش خود را بر روی یک هدف خاص متمرکز کردهاست: زنان. Lambert گفت: ”بارداری، سرطان و بهداشت روانی, مواردی هستند که ما سعی میکنیم بیشترین تأثیر را بر روی آنها داشته باشیم.” وی مثالی از روش آزمایش و خطا در تجویز داروهای ضدافسردگی عنوان کرد. وی ادامه داد: “احتمال تاثیرگذاری دارو پنجاه درصد است. هدف داروی دقیق این است که احتمال اثربخشی این دارو از نسخه پزشک بیشتر باشد و بیمار بتواند داروی مناسب خود را در موعد مقرر دریافت کند.”
برای تشخیص سرطان تخمدان، آزمایشات ژنتیکی Myriad میتواند به هر بیمار یک سطح خطر مانند 36٪، 57٪ یا 87٪ خطر را ارائه دهد. وی گفت:”ما همچنین یک ریسک ابتلای پنج ساله ارائه میدهیم و به بیماران اجازه میدهیم همه چیز را در پیش چشم خود قرار دهند.” به عنوان مثال، خطر سال اول ممکن است سه درصد باشد در حالی که خطر در طول دوره زندگی ممکن است 57 درصد باشد. وی افزود: “این اطلاعات به افراد کمک میکند تا در مورد مراقبتهای بهداشتی خود تصمیم بگیرند. همچنین امیدواریم داروی دقیق با گذشت زمان دقیقتر شود.”