È stato detto abbastanza volte, ma l'IA si sta rivelando un punto di svolta nel settore sanitario. Da semplici partecipanti passivi nella catena sanitaria, i pazienti ora si prendono in carico la propria salute attraverso sistemi di monitoraggio dei pazienti ermetici alimentati da intelligenza artificiale, dispositivi indossabili, approfondimenti visualizzati sulle loro condizioni e altro ancora. Dal punto di vista dei medici e degli operatori sanitari, l'IA sta aprendo la strada a bracci robotici, sofisticati moduli diagnostici e di analisi, robot chirurgici assistivi, ali predittive per rilevare disturbi e problemi genetici e altro ancora.
Tuttavia, poiché l'IA continua a influenzare gli aspetti sanitari, ciò che è ugualmente in aumento sono le sfide associate alla generazione e al mantenimento dei dati. Come sapete, un modulo o un sistema di intelligenza artificiale può funzionare bene solo se è stato addestrato con precisione con set di dati pertinenti e contestuali per un periodo di tempo prolungato.
Nel blog esploreremo le sfide uniche che gli esperti e gli specialisti sanitari devono affrontare quando i casi d'uso dell'IA nell'assistenza sanitaria continuano ad aumentare in termini di complessità.
1. Sfide nel mantenimento della privacy
La sanità è un settore in cui la privacy è fondamentale. Dai dettagli che entrano nel cartelle cliniche elettroniche dei pazienti e dei dati raccolti durante gli studi clinici ai dati che i dispositivi indossabili per il monitoraggio remoto dei pazienti trasmettono, ogni centimetro nello spazio sanitario richiede la massima privacy.
Se è coinvolta così tanta privacy, come vengono addestrate le nuove applicazioni di intelligenza artificiale distribuite nel settore sanitario? Ebbene, in molti casi, i pazienti non sono generalmente consapevoli che i loro dati vengono utilizzati per scopi di studio e ricerca. I regolamenti citati dall'HIPAA implicano anche che le organizzazioni e gli operatori sanitari possono utilizzare i dati dei pazienti per le funzioni sanitarie e condividere dati e approfondimenti con le aziende pertinenti.
Ci sono tonnellate di esempi nel mondo reale per questo. Per una comprensione di base, tieni presente che Google mantiene una solida conoscenza di ricerca di 10 anni con Mayo Clinic e condivide un accesso limitato ai dati che sono anonimizzato o anonimizzato.
Anche se questo è abbastanza palese, diverse startup basate sull'intelligenza artificiale che lavorano per implementare soluzioni di analisi predittiva sul mercato sono generalmente piuttosto mute riguardo alle loro fonti di dati di formazione sull'IA di qualità. Ciò è ovviamente dovuto a ragioni di concorrenza.
Essendo un argomento così delicato, la privacy è qualcosa per cui veterani, esperti e ricercatori sono sempre più entusiasti di un cappello bianco in corso. Esistono protocolli HIPAA per la anonimizzazione dei dati e clausole per la reidentificazione. In futuro, dovremo lavorare su come stabilire senza problemi la privacy, sviluppando contemporaneamente soluzioni di intelligenza artificiale avanzate.
2. Sfide nell'eliminare pregiudizi ed errori
Errori e pregiudizi nel segmento sanitario potrebbero rivelarsi letali per i pazienti e le organizzazioni sanitarie. Errori derivanti da cellule mal riposte o disallineate, letargia o persino incuria potrebbero alterare il corso della terapia o la diagnosi per i pazienti. Un rapporto pubblicato dalla Pennsylvania Patient Safety Authority ha rivelato che sono stati identificati circa 775 problemi nei moduli EHR. Di questo, gli errori legati all'uomo sono stati pari a circa il 54.7% e gli errori legati alla macchina sono stati vicini al 45.3%.
Oltre agli errori, i pregiudizi sono un'altra grave causa che potrebbe portare a conseguenze indesiderabili nelle aziende sanitarie. A differenza degli errori, i pregiudizi sono più difficili da individuare o identificare a causa dell'inclinazione intrinseca a determinate credenze e pratiche.
Un classico esempio di come il pregiudizio possa essere negativo viene da un rapporto, che condivide che gli algoritmi utilizzati per rilevare il cancro della pelle negli esseri umani tendono ad essere meno accurati sulle tonalità della pelle più scure perché sono stati per lo più addestrati a rilevare i sintomi sulle tonalità della pelle chiara. Rilevare ed eliminare i pregiudizi è fondamentale e l'unica via da seguire per un uso affidabile dell'IA in ambito sanitario.
3. Sfide nella definizione di standard operativi
L'interoperabilità dei dati è una parola importante da ricordare in ambito sanitario. Come sapete, l'assistenza sanitaria è un ecosistema di diversi elementi. Hai cliniche, centri diagnostici, centri di riabilitazione, farmacie, ali di ricerca e sviluppo e altro ancora. Spesso, più di uno di questi elementi richiede che i dati funzionino per gli scopi previsti. In questi casi, i dati raccolti devono essere uniformi e standardizzati in modo da apparire e leggere allo stesso modo, indipendentemente da chi li guarda.
In assenza di standardizzazione, ci sarà il caos con ogni elemento che manterrà la propria versione dello stesso record. Pertanto, chiunque guardi un set di dati da una nuova prospettiva viene automaticamente perso e richiede l'assistenza dell'autorità interessata per comprendere il contenuto del set di dati.
Per evitare ciò, la standardizzazione deve essere resa più efficace tra le entità. Significato, formati, condizioni e protocolli specifici devono essere stabiliti chiaramente per l'adesione obbligatoria. Solo allora quei dati potrebbero essere perfettamente interoperabili.
4. Sfide nel mantenimento della sicurezza
La sicurezza è un'altra preoccupazione cruciale nel settore sanitario. Questo è ciò che si rivelerà più costoso quando gli aspetti relativi alla privacy dei dati vengono presi meno sul serio. I dati sanitari sono uno scrigno prezioso di informazioni per hacker e sfruttatori e, di recente, ci sono stati moltissimi casi di violazioni della sicurezza informatica. Ransomware e altri attacchi dannosi sono stati effettuati in tutto il mondo.
Anche in mezzo alla pandemia di Covid-19, a ridosso Il 37% degli intervistati a un sondaggio hanno condiviso di aver subito un attacco ransomware. La sicurezza informatica è fondamentale in qualsiasi momento.
Avvolgere Up
Le sfide relative ai dati nell'assistenza sanitaria non si limitano solo a queste. Man mano che comprendiamo l'integrazione avanzata e il funzionamento dell'IA nel settore sanitario, le sfide diventano solo più intricate, sovrapposte e intrecciate.
Come sempre, troveremmo un modo per affrontare le sfide e lasciare il posto a sofisticati sistemi di intelligenza artificiale che promettono di fare assistenza sanitaria AI più preciso e accessibile.
