Sudah banyak kali dikatakan tetapi AI terbukti menjadi pengubah permainan dalam industri penjagaan kesihatan. Dari hanya menjadi peserta pasif dalam rantai penjagaan kesihatan, pesakit kini mengurus kesihatan mereka melalui sistem pemantauan pesakit yang dikendalikan oleh AI yang kedap udara, alat yang dapat dipakai, pandangan visual mengenai keadaan mereka, dan banyak lagi. Dari perspektif doktor dan penyedia penjagaan kesihatan, AI membuka jalan untuk senjata robotik, modul analisis dan diagnostik yang canggih, bot pembedahan bantu, sayap ramalan untuk mengesan gangguan dan kebimbangan genetik, dan banyak lagi.
Walau bagaimanapun, apabila AI terus mempengaruhi aspek penjagaan kesihatan, perkara yang sama meningkat ialah cabaran yang berkaitan dengan menjana dan mengekalkan data. Seperti yang anda ketahui, modul atau sistem AI hanya boleh berfungsi dengan baik jika ia telah dilatih dengan tepat dengan set data yang berkaitan dan kontekstual untuk tempoh masa yang berpanjangan.
Di blog, kita akan meneroka cabaran unik yang dihadapi oleh pakar dan pakar kesihatan apabila kes penggunaan AI dalam penjagaan kesihatan terus meningkat dari segi kerumitannya.
1. Cabaran dalam menjaga privasi
Penjagaan kesihatan adalah sektor di mana privasi sangat penting. Dari perincian yang masuk ke dalam rekod kesihatan elektronik pesakit dan data yang dikumpulkan semasa ujian klinikal ke data yang boleh dipakai oleh alat pemakai untuk pemantauan pesakit jauh, setiap inci di ruang penjagaan kesihatan memerlukan privasi yang tinggi.
Sekiranya terdapat begitu banyak privasi, bagaimana aplikasi AI baru yang digunakan dalam penjagaan kesihatan dilatih? Nah, dalam beberapa kes, pesakit umumnya tidak mengetahui bahawa data mereka digunakan untuk tujuan kajian dan penyelidikan. Peraturan yang disebutkan oleh HIPAA juga menyiratkan bahawa organisasi dan penyedia penjagaan kesihatan dapat menggunakan data pesakit untuk fungsi perawatan kesehatan dan berbagi data dan pandangan dengan bisnis yang relevan.
Terdapat banyak contoh dunia nyata untuk ini. Untuk pemahaman asas, fahami bahawa Google dengan kuat mengekalkan pemahaman penyelidikan selama 10 tahun dengan Mayo Clinic dan berkongsi akses terhad ke data yang dinamakan tanpa nama atau tidak dikenali.
Walaupun ini agak terang-terangan, beberapa syarikat permulaan berasaskan AI yang berusaha untuk melancarkan penyelesaian analitik ramalan di pasaran pada amnya cukup memahami sumber mereka untuk data latihan AI yang berkualiti. Ini jelas disebabkan oleh persaingan.
Sebagai topik yang sensitif, privasi adalah sesuatu yang veteran, pakar dan penyelidik semakin berminat dengan topi putih yang berterusan. Terdapat protokol HIPAA untuk nyahpengenalpastian data dan klausa untuk pengecaman semula disediakan. Melangkah ke hadapan, kami perlu mengusahakan cara privasi boleh diwujudkan dengan lancar sambil membangunkan penyelesaian AI lanjutan secara serentak.
2. Cabaran dalam menghilangkan bias & kesalahan
Ralat dan berat sebelah dalam segmen penjagaan kesihatan boleh membawa maut kepada pesakit dan organisasi penjagaan kesihatan. Ralat yang berpunca daripada sel yang salah letak atau tidak sejajar, kelesuan, atau kecuaian boleh mengubah perjalanan ubat atau diagnosis untuk pesakit. Laporan yang dikeluarkan oleh Pihak Berkuasa Keselamatan Pesakit Pennsylvania mendedahkan bahawa sekitar 775 masalah dalam modul EHR telah dikenalpasti. Daripada jumlah ini, ralat terikat manusia berjumlah sekitar 54.7% dan ralat terikat mesin berjumlah hampir 45.3%.
Selain daripada kesilapan, bias adalah penyebab serius lain yang boleh membawa akibat yang tidak diingini di syarikat penjagaan kesihatan. Tidak seperti kesalahan, bias lebih sukar untuk dilihat atau dikenal pasti kerana kecenderungan yang wujud terhadap kepercayaan dan amalan tertentu.
Contoh klasik bagaimana bias boleh menjadi buruk berasal dari laporan, yang menyatakan bahawa algoritma yang digunakan untuk mengesan barah kulit pada manusia cenderung kurang tepat pada warna kulit yang lebih gelap kerana kebanyakannya dilatih untuk mengesan gejala pada warna kulit yang cerah. Mengesan dan menghilangkan bias adalah penting dan satu-satunya jalan ke hadapan untuk penggunaan AI yang boleh dipercayai dalam penjagaan kesihatan.
3. Cabaran dalam menetapkan standard operasi
Interoperabiliti data adalah kata penting untuk diingat dalam penjagaan kesihatan. Seperti yang anda ketahui, penjagaan kesihatan adalah ekosistem dengan pelbagai elemen. Anda mempunyai klinik, pusat diagnostik, pusat pemulihan, farmasi, sayap R&D, dan banyak lagi. Selalunya, lebih daripada satu elemen ini memerlukan data untuk berfungsi pada tujuan yang dimaksudkan. Dalam kes seperti itu, data yang dikumpulkan harus seragam dan diseragamkan dengan cara yang kelihatan dan membaca sama tidak kira siapa yang melihatnya.
Sekiranya tidak ada standardisasi, akan ada kekacauan dengan setiap elemen mempertahankan versi sendiri dari rekod yang sama. Oleh itu, sesiapa yang melihat set data dari perspektif baru akan hilang secara automatik dan memerlukan bantuan pihak berkuasa untuk memahami kandungan set data tersebut.
Untuk mengelakkan ini, penyeragaman harus dibuat lebih berkesan di semua entiti. Makna, format, syarat, dan protokol tertentu harus disusun dengan jelas untuk kepatuhan wajib. Barulah data itu dapat dikendalikan dengan lancar.
4. Cabaran dalam menjaga keselamatan
Keselamatan adalah satu lagi kebimbangan penting dalam penjagaan kesihatan. Inilah yang akan terbukti paling mahal apabila aspek yang berkaitan dengan privasi data tidak diambil serius. Data penjagaan kesihatan ialah peti harta karun cerapan untuk penggodam dan pengeksploitasi dan sejak akhir-akhir ini, terdapat banyak kejadian pelanggaran keselamatan siber. Ransomware dan serangan berniat jahat lain telah dilakukan di seluruh dunia.
Bahkan di tengah pandemi Covid-19, hampir dengan 37% responden membuat tinjauan berkongsi bahawa mereka pernah mengalami serangan ransomware. Keselamatan siber adalah kunci pada waktu tertentu.
Membungkus Up
Cabaran data dalam penjagaan kesihatan bukan sahaja terhad kepada ini. Apabila kita memahami integrasi lanjutan dan kerja AI dalam penjagaan kesihatan, cabaran hanya menjadi lebih rumit, bertindih dan saling berkaitan.
Seperti biasa, kita akan mencari jalan untuk mengatasi cabaran dan memberi jalan bagi sistem AI canggih yang berjanji untuk dibuat penjagaan kesihatan AI lebih tepat dan mudah dicapai.
