هوش مصنوعی: تقویت انسان در مراقبت های بهداشتی

بتان هالیول، شریک، و هری استرنج، همکار، هر دو وکلای ثبت اختراع در شرکت مالکیت معنوی اروپایی، ویترز و راجرز هستند، و توضیح می‌دهند که چگونه پیشرفت‌های فناوری اخیر به حذف تعصب و باز کردن درها برای برنامه‌های بالقوه مراقبت‌های بهداشتی کمک می‌کند.

سیستم‌های هوش مصنوعی به طور فزاینده‌ای در تشخیص و تشخیص بیماری در مراحل اولیه استفاده می‌شوند و همچنین به اطلاع‌رسانی تصمیم‌گیری بالینی کمک می‌کنند – در نهایت، با هدف بهبود نتایج بیمار. با این حال، تنظیم‌کننده‌ها و پزشکان هنوز نگرانی‌هایی در مورد ایمنی، توضیح‌پذیری و عادلانه بودن این سیستم‌های در حال توسعه سریع دارند و می‌خواهند اطمینان حاصل کنند که انسان‌ها نظارت و کنترل کافی دارند. بنابراین، نوآوران برای کمک به چه کاری انجام می دهند؟

تشخیص تصویر و موارد دیگر

در میان رایج‌ترین سیستم‌های هوش مصنوعی مورد استفاده در زمینه تشخیص، سیستم‌های تشخیص تصویر هستند که می‌توانند به پزشکان در تشخیص علائم فیزیکی بیماری و به حداقل رساندن خطر خطای انسانی کمک کنند. این سیستم ها می توانند داده های بیمار را به طور قابل اعتماد و کارآمد ارزیابی کنند، بنابراین پزشکان می توانند درمان های مناسب را در اسرع وقت تجویز کنند. سیستم‌های دیگری که به‌عنوان «سیستم‌های توصیه‌کننده» شناخته می‌شوند، می‌توانند مسیر عملی را پیشنهاد کنند، که به بهینه‌سازی تصمیم‌های بالینی بر اساس محتمل‌ترین نتایج بیمار کمک می‌کند.

امپریال کالج لندن (ICL) جزئیات چندین نوآوری مبتنی بر هوش مصنوعی را برای کاربرد در بخش مراقبت های بهداشتی منتشر کرده است. به عنوان مثال، گروه تجزیه و تحلیل تصویربرداری زیست پزشکی در حال بررسی استفاده از هوش مصنوعی در حمایت از تشخیص سرطان های نادر بر اساس داده های بصری است. این کار بر این اساس انجام می شود که حتی باتجربه ترین رادیولوژیست ها همه انواع سرطان را مشاهده نکرده اند و بنابراین برخی از نادرترین اشکال این بیماری را می توان به راحتی از دست داد. نمونه دیگری از یک سیستم تشخیص تصویر مبتنی بر هوش مصنوعی برای استفاده در بخش مراقبت‌های بهداشتی توسط Histofy توسعه داده شده است. این ابزار برای کمک به هیستوپاتولوژیست ها با تشخیص و پیش آگهی شفاف مبتنی بر بافت طراحی شده است.

افزایش انسان در عمل

البته، مهم است که سیستم های هوش مصنوعی برای کاربرد در بخش مراقبت های بهداشتی باید ایمن باشند و بنابراین، برخی از عناصر نظارت و اعتدال انسانی مورد نیاز است. نوآورانه ترین ابزارها برای کار در کنار انسان طراحی شده اند. با بهبود دقت تشخیصی یا راهنمایی پزشکان برای اتخاذ تصمیماتی که بهترین نتیجه ممکن را برای بیمار به ارمغان می‌آورد، به کاری که انجام می‌دهند، ارزش افزوده می‌دهند. خدمات مبتنی بر هوش مصنوعی توسعه یافته توسط Merative، یک تجارت داده، تجزیه و تحلیل و نرم افزار مستقر در ایالات متحده، که قبلاً زیرمجموعه IBM Watson Health بود، نمونه ای از تقویت انسان در عمل است. این خدمات که با استفاده از مجموعه داده های پزشکی گسترده آموزش دیده اند، برای ارائه اطلاعات به روز در مورد داروها و بیماری ها، همراه با توصیه های هوشمند برای حمایت از تصمیمات پزشکان در محل مراقبت طراحی شده اند.

نمونه ای از پزشکان حامی هوش مصنوعی مولد، سیستمی است که توسط Abridge AI مستقر در ایالات متحده ایجاد شده است که خلاصه ای از مکالمات بیمار و پزشک را ایجاد می کند تا به آنها در تهیه یادداشت های بیمار کمک کند. این به اسناد بالینی تبدیل می‌شود که می‌تواند با پرونده الکترونیک سلامت بیماران ادغام شود.

ارزش “داده های مصنوعی”

وقتی نوبت به اطمینان از ایمنی و عادلانه بودن سیستم‌های هوش مصنوعی می‌رسد، قانون‌گذاران به طور فزاینده‌ای انتظار دارند که خروجی‌ها قابل توضیح باشند. اگر یک سیستم هوش مصنوعی پیش‌بینی اشتباهی کند یا چیزی مهم را از دست بدهد، توسعه‌دهنده برای تصحیح آن به درک کاملی از آنچه رخ داده است نیاز دارد. بر اساس این درک، ممکن است بتوان مدل را مجدداً آموزش داد تا احتمال وقوع مجدد چنین پیش‌بینی اشتباهی کاهش یابد.

یکی از حوزه‌هایی که اهمیت فزاینده‌ای دارد، شناسایی سوگیری بالقوه در یک سیستم هوش مصنوعی است. اغلب، چنین سوگیری به دلیل عدم تنوع در مجموعه داده های مورد استفاده برای آموزش سیستم های هوش مصنوعی به وجود می آید. در جایی که یک سوگیری جنسیتی، نژادی یا اجتماعی-اقتصادی شناسایی می‌شود، توسعه‌دهندگان اکنون می‌توانند الگوریتم‌های خود را با استفاده از مجموعه‌ای متنوع و سفارشی از «داده‌های ترکیبی» – یعنی داده‌هایی که به‌جای رویدادهای دنیای واقعی به‌طور مصنوعی تولید می‌شوند، تطبیق دهند. این یک گام بزرگ به جلو است و می تواند به بهبود عدالت سیستم های هوش مصنوعی در عمل کمک کند. در شرایط دیگر، اگر حفظ حریم خصوصی داده ها مسئله خاصی باشد، می توان مجموعه داده های مصنوعی «دوقلو» ایجاد کرد تا خطر افشای اطلاعات شخصی را از بین ببرد.

داده های مصنوعی به دلایل دیگر نیز به سرعت در جامعه تحقیق و توسعه محبوبیت پیدا می کند. به عنوان مثال، می‌تواند به سرعت بخشیدن به تحویل پروژه‌های مرتبط با هوش مصنوعی کمک کند، زیرا به توسعه‌دهندگان اجازه می‌دهد تا مجموعه داده‌های مورد نیاز خود را برای یک برنامه خاص در صورت تقاضا تولید کنند. استفاده از داده‌های مصنوعی به جای داده‌های دنیای واقعی می‌تواند به رفع نگرانی‌ها در مورد مسائل اخلاقی و حق چاپ کمک کند. طبق مطالعه ای که توسط گارتنر انجام شده است، 60 درصد از داده های مورد استفاده برای توسعه پروژه های هوش مصنوعی و تحلیلی، تا سال 2024 مصنوعی خواهد بود.

توسعه مقررات هوش مصنوعی

دولت بریتانیا در تاریخ 29 مارس 2023 مقاله سفیدی را منتشر کرد که در آن نحوه تنظیم مقررات هوش مصنوعی را مشخص می کند. اذعان می کند که در حال حاضر مجموعه ای از قدرت های نظارتی وجود دارد که درک آن برای توسعه دهندگان چالش برانگیز است و یک رویکرد مبتنی بر اصول جدید را پیشنهاد می کند.

عدم شفافیت فعلی در مورد مقررات هوش مصنوعی، به این معنی است که وظیفه توسعه‌دهندگان و کسب‌وکارهای فناوری است که با راهنمایی‌های فعلی و جهت سفر به‌روز بمانند. بسته به ماهیت یک سیستم هوش مصنوعی موجود یا سیستمی که در حال توسعه است، این احتمالاً مستلزم برقراری ارتباط با تنظیم‌کننده‌های خاص بخش، مانند آژانس تنظیم‌کننده داروها و محصولات بهداشتی (MHRA) و همچنین سایر سازمان‌های نظارتی مانند دفتر کمیسر اطلاعات یا سازمان رقابت و بازار. برای کمک به کسانی که سیستم های هوش مصنوعی را برای استفاده در بخش مراقبت های بهداشتی به طور خاص توسعه می دهند، یک سرویس چند سازمانی اطلاعات و راهنمایی هایی را ارائه می دهد که توسط آزمایشگاه هوش مصنوعی NHS پشتیبانی می شود.

فرصت IP

از دیدگاه مالکیت معنوی (IP)، چشم انداز توسعه دهندگان سیستم های هوش مصنوعی تا حدودی واضح تر است. آنها باید مطمئن باشند که بسیاری از الگوریتم‌های متمرکز بر هوش مصنوعی و مراقبت‌های بهداشتی می‌توانند برای حمایت از حق ثبت اختراع تحت قانون IP در بریتانیا و اکثر کشورهای دیگر واجد شرایط باشند. مانند هر نوع دیگر اختراع مبتنی بر نرم‌افزار، الگوریتم‌ها باید جدید، مبتکرانه باشند و نوعی مزیت فنی فراتر از محدوده الگوریتم ارائه کنند (به عنوان مثال، رویکرد کارآمدتر حافظه برای تشخیص مناطق مورد نظر در یک تصویر پزشکی). . با وجود حفاظت از پتنت، پتنت ها می توانند به اشخاص ثالث مجوز داده شوند یا به ارائه دهندگان خدمات بخش سلامت فروخته شوند.

پتانسیل سیستم های هوش مصنوعی برای تغییر خدمات مراقبت های بهداشتی و ارائه مزایای برای جامعه به عنوان یک کل غیرقابل درک است، اما مشکلاتی در افق وجود دارد. علاوه بر نگرانی های توسعه دهندگان در مورد مسائل مربوط به حق چاپ، کاربران نهایی نیاز به اطمینان بخشی نظارتی دارند که از داده های شخصی محافظت می شود و انسان ها همچنان کنترل دارند. خبر خوب این است که مبتکران هوش مصنوعی در حال حاضر در این مورد هستند.