Đã nói đủ lần nhưng AI đang chứng tỏ mình là người thay đổi cuộc chơi trong ngành chăm sóc sức khỏe. Từ chỗ chỉ là những người tham gia thụ động trong chuỗi chăm sóc sức khỏe, bệnh nhân giờ đây đang chịu trách nhiệm về sức khỏe của họ thông qua hệ thống theo dõi bệnh nhân kín khí được hỗ trợ bởi AI, thiết bị đeo được, thông tin chi tiết trực quan về tình trạng của họ, v.v. Từ quan điểm của bác sĩ và nhà cung cấp dịch vụ chăm sóc sức khỏe, AI đang mở đường cho cánh tay robot, mô-đun chẩn đoán và phân tích tinh vi, bot phẫu thuật hỗ trợ, cánh dự đoán để phát hiện các rối loạn và mối quan tâm về di truyền, v.v.
Tuy nhiên, khi AI tiếp tục ảnh hưởng đến các khía cạnh chăm sóc sức khỏe, điều không kém phần gia tăng là những thách thức liên quan đến việc tạo và duy trì dữ liệu. Như bạn đã biết, một mô-đun hoặc hệ thống AI chỉ có thể hoạt động tốt nếu nó đã được đào tạo chính xác với các bộ dữ liệu phù hợp và theo ngữ cảnh trong một khoảng thời gian dài.
Trong blog, chúng ta sẽ khám phá những thách thức độc đáo mà các chuyên gia và chuyên gia chăm sóc sức khỏe phải đối mặt khi các trường hợp sử dụng AI trong chăm sóc sức khỏe ngày càng tăng về mức độ phức tạp của chúng.
1. Những thách thức trong việc duy trì quyền riêng tư
Chăm sóc sức khỏe là một lĩnh vực mà quyền riêng tư là rất quan trọng. Từ các chi tiết đi vào hồ sơ sức khỏe điện tử về bệnh nhân và dữ liệu được thu thập trong quá trình thử nghiệm lâm sàng đến dữ liệu mà các thiết bị đeo được để theo dõi bệnh nhân từ xa truyền đi, mỗi inch trong không gian chăm sóc sức khỏe đều đòi hỏi sự riêng tư tối đa.
Nếu có quá nhiều vấn đề về quyền riêng tư, thì các ứng dụng AI mới được triển khai trong lĩnh vực chăm sóc sức khỏe sẽ được đào tạo như thế nào? Vâng, trong một số trường hợp, bệnh nhân thường không biết rằng dữ liệu của họ đang được sử dụng cho mục đích học tập và nghiên cứu. Các quy định được HIPAA đề cập cũng ngụ ý rằng các tổ chức và nhà cung cấp dịch vụ chăm sóc sức khỏe có thể sử dụng dữ liệu bệnh nhân cho các chức năng chăm sóc sức khỏe và chia sẻ dữ liệu và thông tin chi tiết với các doanh nghiệp có liên quan.
Có rất nhiều ví dụ thực tế cho điều này. Để hiểu cơ bản, hãy hiểu rằng Google kiên trì duy trì hiểu biết về nghiên cứu trong 10 năm với Mayo Clinic và chia sẻ quyền truy cập hạn chế vào dữ liệu ẩn danh hoặc không xác định.
Mặc dù điều này khá phiến diện, nhưng một số công ty khởi nghiệp dựa trên AI làm việc để tung ra các giải pháp phân tích dự đoán trên thị trường nói chung là khá bí mật về nguồn dữ liệu đào tạo AI chất lượng của họ. Điều này rõ ràng là do các lý do cạnh tranh.
Là một chủ đề nhạy cảm như vậy, quyền riêng tư là điều mà các cựu chiến binh, chuyên gia và nhà nghiên cứu đang ngày càng quan tâm. Có các giao thức HIPAA để khử nhận dạng dữ liệu và các điều khoản để nhận dạng lại tại chỗ. Trong tương lai, chúng tôi sẽ phải tìm cách thiết lập quyền riêng tư liền mạch trong khi đồng thời phát triển các giải pháp AI tiên tiến.
2. Những thách thức trong việc loại bỏ thành kiến & sai sót
Các sai sót và thành kiến trong phân khúc chăm sóc sức khỏe có thể gây tử vong cho bệnh nhân và các tổ chức chăm sóc sức khỏe. Những sai sót bắt nguồn từ việc đặt sai vị trí hoặc đặt sai tế bào, chểnh mảng, thậm chí là bất cẩn có thể làm thay đổi liệu trình dùng thuốc hoặc chẩn đoán cho bệnh nhân. Một báo cáo do Cơ quan An toàn Bệnh nhân Pennsylvania công bố cho thấy có khoảng 775 vấn đề trong các mô-đun EHR đã được xác định. Trong số này, lỗi do con người gây ra là khoảng 54.7% và lỗi do máy là gần 45.3%.
Ngoài sai sót, thành kiến là một nguyên nhân nghiêm trọng khác có thể mang lại hậu quả không mong muốn trong các công ty chăm sóc sức khỏe. Không giống như những sai sót, thành kiến khó phát hiện hoặc xác định hơn vì vốn dĩ có khuynh hướng đối với những niềm tin và thực hành nhất định.
Một ví dụ cổ điển về sự thiên vị có thể là xấu đến từ một báo cáo, trong đó chia sẻ rằng các thuật toán được sử dụng để phát hiện ung thư da ở người có xu hướng kém chính xác hơn đối với tông màu da sẫm hơn vì họ chủ yếu được đào tạo để phát hiện các triệu chứng trên tông màu da trắng. Phát hiện và loại bỏ thành kiến là rất quan trọng và là cách duy nhất để sử dụng đáng tin cậy AI trong chăm sóc sức khỏe.
3. Những thách thức trong việc thiết lập các tiêu chuẩn hoạt động
Khả năng tương tác dữ liệu là một từ quan trọng cần ghi nhớ trong chăm sóc sức khỏe. Như bạn đã biết, chăm sóc sức khỏe là một hệ sinh thái bao gồm các yếu tố đa dạng. Bạn có phòng khám, trung tâm chẩn đoán, trung tâm phục hồi chức năng, hiệu thuốc, cánh R&D, v.v. Thông thường, nhiều hơn một trong những yếu tố này yêu cầu dữ liệu hoạt động theo mục đích dự kiến của chúng. Trong những trường hợp như vậy, dữ liệu được thu thập phải thống nhất và được tiêu chuẩn hóa theo cách mà nó trông và đọc giống nhau cho dù ai nhìn vào nó.
Trong trường hợp không có tiêu chuẩn hóa, sẽ có sự hỗn loạn khi mỗi phần tử duy trì phiên bản riêng của cùng một bản ghi. Vì vậy, bất kỳ ai nhìn tập dữ liệu từ một góc độ mới sẽ tự động bị mất và cần sự hỗ trợ của cơ quan hữu quan để hiểu nội dung của tập dữ liệu.
Để tránh điều này, tiêu chuẩn hóa phải được thực hiện hiệu quả hơn trên các thực thể. Có nghĩa là, các định dạng, điều kiện và giao thức cụ thể phải được trình bày rõ ràng để tuân thủ bắt buộc. Chỉ khi đó dữ liệu đó mới có thể tương tác liền mạch.
4. Những thách thức trong việc duy trì an ninh
An ninh là một mối quan tâm quan trọng khác trong chăm sóc sức khỏe. Đây là điều sẽ phải trả giá đắt nhất khi các khía cạnh liên quan đến quyền riêng tư dữ liệu ít được coi trọng hơn. Dữ liệu chăm sóc sức khỏe là một kho tàng thông tin chi tiết dành cho tin tặc và kẻ khai thác và cuối cùng, đã có rất nhiều trường hợp vi phạm an ninh mạng. Ransomware và các cuộc tấn công độc hại khác đã được thực hiện trên khắp thế giới.
Ngay cả giữa đại dịch Covid-19, gần với 37% người trả lời khảo sát chia sẻ rằng họ đã trải qua một cuộc tấn công ransomware. An ninh mạng là chìa khóa tại bất kỳ thời điểm nào.
Tổng kết
Những thách thức về dữ liệu trong chăm sóc sức khỏe không chỉ giới hạn ở những điều này. Khi chúng ta hiểu được sự tích hợp và hoạt động tiên tiến của AI trong chăm sóc sức khỏe, các thách thức chỉ trở nên phức tạp hơn, chồng chéo và đan xen nhau hơn.
Giống như mọi khi, chúng tôi sẽ tìm cách giải quyết các thách thức và nhường chỗ cho các hệ thống AI tinh vi hứa hẹn tạo ra AI chăm sóc sức khỏe chính xác hơn và dễ tiếp cận hơn.