مقالات التقنية

معوقات الرعاية الصحية للذكاء الاصطناعي (وكيفية تجاوزها)


تحقق من جميع الجلسات عند الطلب من قمة الأمن الذكي هنا.


في هذه الأيام ، يتزايد عدد مقدمي الرعاية الصحية الذين يركبون موجة ابتكار الذكاء الاصطناعي (AI) لتقديم خدمات رعاية صحية أفضل. يشمل ذلك المساعدة في اكتشاف الأدوية ، والتنبؤ بمخاطر الأمراض المعدية ، وتطوير عقاقير جديدة واستخدام الخوارزميات القائمة على البيانات لتحسين جودة رعاية المرضى – كل ذلك بدعم من الحلول التي تعمل بالذكاء الاصطناعي.

على سبيل المثال ، تدعي Pera Labs أنها شركة خصوبة رائدة تستخدم الذكاء الاصطناعي وتكنولوجيا المختبر على رقاقة “لمساعدة الآباء الطموحين من خلال مساعدة عيادات الخصوبة [to] تقليل معدل فشل العلاج القياسي 70٪. ” من جانبها ، تنشر HyperAspect حلول الذكاء الاصطناعي الخاصة بها لتتبع أشياء مثل سجلات المرضى ومعداتهم – مما يوفر لمرافق الرعاية الصحية رؤية شاملة لجميع بياناتهم ، حتى يتمكنوا من اتخاذ قرارات أفضل.

تدمج منصة NeuraLight المدعومة بالذكاء الاصطناعي علامات رقمية متعددة لتسريع وتحسين تطوير الأدوية والمراقبة والرعاية الدقيقة للمرضى الذين يعانون من اضطرابات عصبية. وتزعم شركة Protai الناشئة لاكتشاف العقاقير التي تعمل بالذكاء الاصطناعي ومقرها تل أبيب أنها “تعيد تشكيل عملية اكتشاف الأدوية وتطويرها باستخدام البروتينات ومنصة قائمة على الذكاء الاصطناعي من طرف إلى طرف.”

ومع ذلك ، بينما يستخدم المزيد من مقدمي الرعاية الصحية الذكاء الاصطناعي والبيانات لتحسين رعاية المرضى ، لا تزال هناك العديد من المشكلات المتعلقة بالتقنيات التي تعمل بالذكاء الاصطناعي – خاصةً فيما يتعلق بأخلاقيات الذكاء الاصطناعي ودقة مجموعات البيانات. في مقال سابق لـ VentureBeat ، سلط المراسل كايل ويغيرز الضوء على دراسة IDC التي “تقدر حجم البيانات الصحية التي يتم إنشاؤها سنويًا ، والتي وصلت إلى أكثر من 2000 إكسابايت في عام 2020. [and] ستواصل النمو بمعدل 48٪ على أساس سنوي “. على الرغم من أن هذا الكم الهائل من البيانات يوفر فرصة كبيرة لتدريب نماذج التعلم الآلي ، إلا أن ويغيرز أشار إلى أن “مجموعات البيانات المستخدمة لتدريب هذه الأنظمة تأتي من مجموعة من المصادر ، ولكن في كثير من الحالات ، لا يدرك المرضى تمامًا أن معلوماتهم مدرجة ضمن هم.”

حدث

قمة الأمن الذكي عند الطلب

تعرف على الدور الحاسم للذكاء الاصطناعي وتعلم الآلة في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة. شاهد الجلسات عند الطلب اليوم.

مشاهدة هنا

قد تصبح أنظمة الذكاء الاصطناعي لا غنى عنها عمليًا حيث يتم جمع المزيد من البيانات حول كل جانب من جوانب الصحة. لكن مستقبل الذكاء الاصطناعي في الرعاية الصحية يعتمد على كيفية قيام مقدمي الرعاية الصحية بالتنقل حول “الحواجز التكنولوجية والنظامية والتنظيمية والمواقفية للتنفيذ الناجح ؛ ودمج الذكاء الاصطناعي في نسيج الرعاية الصحية “، وفقًا لورقة PubMed.

3 تحديات للذكاء الاصطناعي في الرعاية الصحية

فيما يلي ثلاثة من أكبر معوقات الذكاء الاصطناعي في مجال الرعاية الصحية اليوم. واقرأ بعض الطرق التي يمكن للمؤسسات أن تتقدم بها نحو التغلب عليها.

1. AI التحيز

البيانات هي الوقود الذي يعمل عليه الذكاء الاصطناعي. تساعد الكميات الكبيرة من البيانات المؤسسات على تدريب نماذج الذكاء الاصطناعي بشكل فعال. لكن كثير جدا يمكن أن تسبب البيانات أيضًا “شلل التحليل”. غالبًا ما يحدث تحيز الذكاء الاصطناعي بسبب مشكلات على طول خط أنابيب البيانات – مثل وضع العلامات غير الدقيقة للبيانات وسوء تكامل البيانات ، على سبيل المثال – وصناعة الرعاية الصحية ليست محصنة ضد هذه المشكلة.

يشير الخبراء إلى المخاطر الكامنة في التنبؤات التي تقوم بها نماذج الذكاء الاصطناعي عندما يتم أخذ النماذج في مواقف الحياة الواقعية. على سبيل المثال ، دراسة عام 2019 (نُشرت في علم) وجد تقييم الخوارزمية التي تستخدمها المستشفيات الأمريكية أن ملايين المرضى السود تلقوا مستوى رعاية أقل من المرضى البيض.

يعتبر الذكاء الاصطناعي رائعًا في التعلم من مجموعات البيانات ، وفقًا لما ذكره ميكا بريكستون ، الشريك المؤسس والرئيس التنفيذي لشركة NeuraLight ، ولكن “عندما تكون مجموعات البيانات هذه غير دقيقة ، تكون فوضوية [or] من الصعب معالجتها (على سبيل المثال ، إذا ظهرت في أشكال غير منظمة مثل النص الحر أو الصور غير المميزة) ، فمن الصعب جدًا إطلاق العنان لقوة التعلم الآلي “. علاوة على ذلك ، أشار إلى أنه “في كثير من الحالات ، لا توجد مجموعات البيانات ذات الصلة ببساطة ، وهناك تحدٍ يتمثل في التعلم من عدد صغير من الأمثلة أو الاستفادة من الذكاء الاصطناعي لبناء وكيل جيد لمجموعات البيانات هذه.”

قال بافيل بافلوف ، الرئيس التنفيذي لشركة HyperAspect ، إنه على الرغم من أن مساحة الرعاية الصحية غنية بالبيانات ومناسبة للتحليلات الحتمية وغير الحتمية ، فإن بناء مجموعات البيانات المناسبة أمر صعب. وأضاف أن العمليات الداخلية المعقدة والسعي إلى تحقيق عائد استثمار سريع يعرقلان النتائج الإيجابية طويلة المدى في المجالات التجارية والسريرية. لذلك ، في حين أن هناك الكثير من البيانات في صناعة الرعاية الصحية ، فإن التحيز في مجموعات البيانات – مما يؤدي إلى تحيز الذكاء الاصطناعي – يعيق المنظمات من الحصول على أفضل النتائج وأكثرها دقة من نماذج الذكاء الاصطناعي الخاصة بهم.

2. التفسير

يُمكِّن الذكاء الاصطناعي القابل للتفسير (ويسمى أيضًا XAI) قادة تكنولوجيا المعلومات – وخاصة علماء البيانات ومهندسي تعلم الآلة – من الاستعلام عن دقة النموذج وفهمها وتوصيفها وضمان الشفافية في صنع القرار المدعوم بالذكاء الاصطناعي ، كما ورد في مقال سابق في VentureBeat. الثقة واحدة من التحديات الرئيسية مع الذكاء الاصطناعي: لا يزال البشر لا يثقون تمامًا في الذكاء الاصطناعي. هذا بشكل خاص بسبب التحيزات والأخطاء المرتبطة بنماذج الذكاء الاصطناعي. هذه مشكلة يهدف الذكاء الاصطناعي القابل للتفسير إلى حلها.

وفقًا لـ Micah Breakstone من NeuraLight ، “لا يكفي أن يكون لديك حل رياضي لسؤال ما دون فهم الآليات الأساسية التي تشرح سبب نجاح الحل الذي اكتشفه الذكاء الاصطناعي.” على سبيل المثال ، قال ، “ضع في اعتبارك نموذجًا تم إنشاؤه بواسطة الذكاء الاصطناعي وقادر على التنبؤ بتطور مرض تنكس عصبي مثل باركنسون من مجموعة من المؤشرات الحيوية. مثل هذا النموذج سيواجه شكوكًا من مجتمع الرعاية الصحية إلى أجل غير مسمى إذا ظلت الآليات الأساسية غامضة – وهذا محق في ذلك! النماذج غير المبررة معرضة بدرجة كبيرة للأخطاء الغريبة ، مما يترك الأطباء في الظلام وغير قادرين على التدخل نيابة عن المرضى “.

يمكن أن يساعد فهم الآليات الأساسية لحل الذكاء الاصطناعي على “ضمان عملية شفافة لأداء النموذج” ، وفقًا لما قاله الرئيس التنفيذي لشركة Pera Labs Burak Özkösem.

3. اللوائح

أخبر أوزكوسم VentureBeat أن الذكاء الاصطناعي المستدام لصناعة الرعاية الصحية يعتمد على أمرين: الأهمية السريرية والشفافية. لكنه قال إن الشفافية تتغير للأسف أثناء عملية التسويق مع انتقال حلول الذكاء الاصطناعي من المختبر إلى السوق.

قال أوزكوسم: “تم تطوير معظم نماذج الذكاء الاصطناعي للصحة من قبل باحثين في الجامعات مع مجموعات بيانات عامة في البداية”. “ومع ذلك ، عندما تصبح هذه النماذج تجارية ، يجب أن تأتي مجموعات البيانات … المستخدمة لتدريب النماذج من المستخدمين والعملاء. يصبح هذا مشكلة ، مع قواعد خصوصية البيانات المختلفة مثل HIPAA في الولايات المتحدة و GDPR في الاتحاد الأوروبي. نهج الصندوق الأسود للذكاء الاصطناعي هذا خطير للغاية بالنسبة للعلاجات المستقبلية “.

وفقًا لبافيل بافلوف من HyperAspect ، “الرائد [AI] عنق الزجاجة في الرعاية الصحية يتعلق بالتشريعات واللوائح “. لكنه سرعان ما أضاف أنها “حاجز حماية ضروري لتجنب خصوصية البيانات وغيرها من القضايا المتعلقة بالمعلومات الشخصية شديدة الحساسية”.

بعض الحلول

لمعالجة انحياز الذكاء الاصطناعي ، أشار بريكستون إلى أن “الأمر كله يتعلق ببناء مجموعات بيانات كبيرة أفضل وأنظف وغير متحيزة.” من أجل التفسير ، أضاف أنه “من المهم لخبراء الذكاء الاصطناعي العمل جنبًا إلى جنب مع الأطباء والعلماء لضمان ألا يظل الذكاء الاصطناعي صندوقًا أسود غير قابل للتفسير ، بل بالأحرى حلاً ثاقبًا حقًا.”

فيما يتعلق باللوائح ، قال أوزكوسم إنه “يجب على العيادات التأكد من أن تقنيات الذكاء الاصطناعي الخاصة بها متوافقة مع خصوصية بيانات المريض”. وأوضح أيضًا أن “الخطوة الأولى للمؤسسات لتكون جاهزة لثورة الذكاء الاصطناعي في الرعاية الصحية هي رقمنة سجلاتها. سيوفر ذلك اقتراحات علاج آمنة وخصوصية ولكنها أكثر كفاءة بواسطة الذكاء الاصطناعي ، وينقذ المزيد من الأرواح ويزيد من أداء العيادات “.

قال أوزكوسم أيضًا إن الابتكار عنصر أساسي في حل بعض هذه التحديات ، وأشار بافلوف إلى أن “السبق الرئيسي لتمكين الابتكار في أي مجال هو الحفاظ على عقل متفتح للتكنولوجيا الناشئة والتحلي بالصبر لتحقيق النتيجة المرجوة.

بالإضافة إلى ذلك ، فإن تبسيط العمليات الداخلية التي تسمح بالتكامل السريع داخل النظام البيئي للمؤسسة سيكون بالتأكيد عوامل تمكين رئيسية للتغلب عليها [these] اختناقات الذكاء الاصطناعي. “

مستقبل الذكاء الاصطناعي في الرعاية الصحية

ينمو سوق برمجيات الرعاية الصحية بالذكاء الاصطناعي بسرعة. يتنبأ تقرير صادر عن Omdia أن السوق سيتجاوز حاجز 10 مليارات دولار بحلول عام 2025. وبينما لا تزال هناك تحديات عديدة تحيط باستخدام الذكاء الاصطناعي في الرعاية الصحية اليوم ، تظهر الاتجاهات والبيانات أن مستقبل الذكاء الاصطناعي في الرعاية الصحية ليس في خطر (على الأقل بالنسبة لـ الآن).

يعتقد بريكستون أن الأمر كله يتعلق الآن بالطب الدقيق ، والذي وصفه بأنه “استخدام الذكاء الاصطناعي لتخصيص علاج محدد لشخص بناءً على ملفه الشخصي بالكامل (علم الوراثة ، البيئة ، نمط الحياة ، إلخ) من أجل تحسين نتائج المرضى.” قال: “في المستقبل ، سيكون الذكاء الاصطناعي قادرًا على مساعدة الأطباء في استيعاب ومعالجة كمية هائلة من البيانات عن كل مريض ، ويقترح تلقائيًا مسارًا مخصصًا للغاية من العلاج واختيار الأدوية لشخص معين ، بطريقة ما هذا شفاف وقابل للتفسير – مما يسمح للأطباء بالتدخل حسب الحاجة “.

في غضون ذلك ، يعتقد بافلوف أن الذكاء الاصطناعي سيجد فائدة أكبر في الطب الوقائي. سيكون مستقبل الذكاء الاصطناعي في المجالات السريرية وطب الأسنان أكثر تنبؤًا ويركز على الوقاية من الأمراض قبل أن تتطور ، أو [discovering them] في المراحل المبكرة من أجل تحسين نتائج المريض.

صرح جيف تشين ، الرئيس التنفيذي لشركة Verikai ، لموقع VentureBeat أنه “من الآمن القول إن كمية البيانات التي يتم إنتاجها ستستمر في النمو. هناك قيمة كبيرة في تلك البيانات بحيث يتم حظر الذكاء الاصطناعي تمامًا. لذلك توقع أن تتحد الحكومة والصناعة ومجموعات المناصرة حول إطار عمل مشترك ومجموعة من الممارسات التي توازن بين الحاجة إلى حماية بيانات الأفراد والفوائد الطبية الحقيقية لاستخدام تلك البيانات في نماذج الذكاء الاصطناعي. ”

ليس مؤسسو شركة الرعاية الصحية بالذكاء الاصطناعي وحدهم من المتحمسين حول كيف يمكن للذكاء الاصطناعي تغيير الطريقة التي تتم بها الأمور في مجال الرعاية الصحية. توقعت دراسة أجراها المنتدى الاقتصادي العالمي أن عام 2030 سيكون عامًا كبيرًا لتطبيق الذكاء الاصطناعي في الرعاية الصحية ، مع العديد من حالات الاستخدام الجديدة التي تم الترويج لها لإيجاد تعبير فيما أشارت إليه الدراسة على أنه “نظام رعاية صحية استباقي وتنبؤي حقًا”. كما توقعت الدراسة أنه “في عام 2030 ، ستكون أنظمة الرعاية الصحية قادرة على توقع متى يكون الشخص معرضًا لخطر الإصابة بمرض مزمن ، على سبيل المثال ، واقتراح تدابير وقائية قبل أن تسوء. سيكون هذا التطور ناجحًا للغاية لدرجة أن معدلات الإصابة بمرض السكري وفشل القلب الاحتقاني ومرض الانسداد الرئوي المزمن (مرض القلب الانسدادي المزمن) – والتي تتأثر جميعها بشدة بالمحددات الاجتماعية للصحة (SDOH) – ستنخفض أخيرًا “.

مع تقدم تقنيات الذكاء الاصطناعي في مجال الرعاية الصحية ، يميل المستقبل نحو التحول الديمقراطي ، حيث يتمتع المرضى بقدر أكبر من التحكم. كما كتب دامون ألتوماري ، كبير موظفي التكنولوجيا في VIP StarNetwork ، في مقال سابق لـ VentureBeat: “نحن على أعتاب إضفاء الطابع الديمقراطي على الرعاية الصحية. إنه ليس ممكنًا فقط ولكنه مفيد للغاية. سيخفف من ضغوط التنقل في نظام الرعاية الصحية ، ويمنح المريض المزيد من الخيارات في الخدمة والتكلفة ، ويساعد في خفض تكاليف الرعاية الصحية بشكل عام عن طريق زيادة المنافسة في السوق “.

مهمة VentureBeat هو أن تكون ساحة المدينة الرقمية لصناع القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف إحاطاتنا.

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى