4 Thách thức về dữ liệu duy nhất khi sử dụng AI trong chăm sóc sức khỏe

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.