Nykyajan elämän monia ulottuvuuksia ovat yhä enemmän keinotekoinen älykkyys, mukaan lukien erilaiset terveyden ja hyvinvoinnin näkökohdat. Kuinka kauan ennen kuin tietokone pystyy parantamaan ihmisen suunnittelemia terveydenhuollon toimia? Ehkä vielä tärkeämpää, kuinka kauan ennen ihmisen on halukas luottamaan ei-ihmiseen hoitamaan häntä? Nämä kaksi kysymystä voivat olla keskittyneet keskusteluun koneoppimisen teknologian ja robotiikan mahdollisuuksista terveydenhuollossa.
Tietokoneet voivat "ajatella" yhä inhimillisemmin. Olipa sitten valmis vai ei, kognitiivisen laskennan viimeaikainen kehitys osoittaa, että atk-valmennuksen ja terveydenhuollon ikä on saavutettu.
Terveystietoja analysoidaan tilastollisesti
Ei ole mikään salaisuus, että jakamme kaikenlaisia yksityisiä ja usein intiimejä tietoja joka kerta kun teemme ostoksia tai selailemme Internetissä. Kyky ennakoida terveystapahtumia pelkästään seurattaessa rentoa käyttäytymistä osoitettiin voimakkaasti vuonna 2012, kun jälleenmyyjä Target osoitti maailman, jonka he voisivat ennustaa epäilemättömällä tarkkuudella, jos nainen oli raskaana ostotottumustensa perusteella - joskus jopa toimittaisi raskauden uutiset häpeäksi perheenjäsenet.
Monet henkilökohtaiset yksityiskohdat analysoidaan tilastollisesti rutiininomaisesti, jotta saadaan enemmän tietoa omiin tottumuksiin ja ominaisuuksiin. Jotkut näistä käytännöistä tapahtuvat vapaaehtoisesti ja käyttäjän täydellä tietoisuudella ja tukitoimilla, kun taas toiset voidaan toteuttaa salaa organisaatioiden ja yritysten toimesta.
Seurattava käyttäytyminen herättää eräitä eettisiä ja sosiaalisia kysymyksiä.
Monet henkilöt jakavat nyt henkilökohtaisesti terveydentilansa helposti eri tavoin jakamalla niitä selkeästi terveysriskiarvioinnin kautta, rennosti kulutettavien ja toisinaan tahattomasti sosiaalisten medioiden kautta ja ostokäyttäytymisen kautta.
Tarkkuus, jolla näitä tietoja voidaan analysoida ja tulkita, kasvaa, luo sekä vaaroja että mahdollisuuksia ja mahdollisesti asettautuu uuden aikakauden rajalle, jossa teknologialla voisi olla merkitystä terveydellämme ja hyvinvoinnillamme myönteisellä tavalla.
Terveysystävällisyys ja väärän diagnoosin ongelmanratkaisu
Lääkäreiden diagnoosivirheet ovat valtava huolenaihe. Laiminlyönnistä tai vaihtoehtojen runsauden puutteesta johtuen nämä virheet voivat olla tuhoisia potilaille ja hänen perheelleen. Alabama Birminghamin yliopiston professori Eta Berner ja Northport VA Medical Centerin tohtori Mark L. Graber totesivat, että arviolta 10-20 prosenttia lääketieteellisistä tapauksista oli virheellisesti diagnosoitu. Berner ja Graber huomauttavat, että tehokkaat kognitiiviset prosessit varmistavat oikean diagnoosin suurimman osan ajasta. On kuitenkin olemassa aikoja, jolloin nämä kognitiiviset prosessit epäonnistuvat. Berner ja Graberin analyysi osoittivat, että lääkärin ylikoulutus voi usein olla lääketieteellisten virheiden aiheuttaja. Terveydenhuollon tutkimusta ja laatua käsittelevän viraston rahoittamassa raportissa todettiin, että 28 prosenttia kaikista diagnoosivirheistä oli vakavissa, mahdollisesti hengenvaarallisessa tapauksessa.
Virheellinen diagnoosi voi sisältää mitään väärennetystä lääkkeestä määrittämään kirurgisen poistamisen väärästä ruumiinosasta.
Tämä hälyttävä tilasto saattaa johtaa joidenkin väitteisiin, että olemassa oleva ongelma voitaisiin ratkaista yksinkertaisesti poistamalla ihmisen tekijä yhtälöstä. Teknologia, kuten IBM: n Watson, tarjoaa nyt toivoa siitä, että tietoa voidaan syntetisoida ja harkita humanistisemmin. Watsonin kognitiivisella teknologialla on kyky analysoida rakenteettomia tietoja, ymmärtää monimutkaisia kysymyksiä ja nykyisiä loppukäyttäjiä näyttöön perustuvilla ratkaisuilla.
Watson pyrkii parantamaan ennakoivia algoritmeja, jotka eivät ole aina osoittautuneet onnistuneiksi, kun niitä sovelletaan todellisissa tilanteissa.
Kuitenkin mikä voisi olla provosoiva kuin Watsonin ennustuspotentiaali, se on mahdollisuus sen tekniikasta, joka ylittää ihmisten terveyden ja kuntoutuksen osalta.
Vuonna 2015 IBM Watson muodosti strategisen kumppanuuden CVS Healthin kanssa. Tämä ilmoitti kognitiivisen tietojenkäsittelyn saavuttamisen kaupallisessa terveydenhuollon alalla. Se ehdotti, että lääkärit ja proviisorit pääsisivät nopeasti käyttämään tekniikkaa, joka voisi esimerkiksi automaattisesti havaita potilaan terveyden heikkenemisen.
Vuoden 2016 aikana allekirjoitettu Under Armor ja IBM-sopimus antoi Watsonille tilaisuuden kehittää ja kehittää terveysalustaa. Myös Apple teki merkittävän panoksen Watson-alustalle tavoitteena parantaa HealthKIT- ja ResearchKIT-kehitysohjelmiaan. Grand View Research Inc.: n raportin mukaan maailman terveydenhuollon kognitiivisten tietojenkäsittelymarkkinoiden ennustetaan nousevan yli 5 miljardiin dollariin vuoteen 2020 mennessä.
Tieteelliset tutkimukset tukevat myös tekniikan käyttöä lääketieteellisen virheen ja haittojen minimoimiseksi. Tohtori Mark L. Graber ehdottaa ns. "Liipaisutyökalujen" käyttöä, jotka voivat tunnistaa diagnoosivirheiden riskitekijät analysoimalla sähköisiä terveysrekistereitä ja etsimällä eroja. Amerikkalaisissa sairaaloissa on nyt käytössä erilaisia laukaisutyökaluja, mutta ne eivät aina pysty havaitsemaan diagnoosivirheitä. Siksi parhailta ennaltaehkäiseviä toimenpiteitä pyritään parantamaan.
Lupaava lähestymistapa on esittänyt Dr. Hardeep Singh ja hänen kollegansa. He suunnittelivat sähköisen laukaisun, joka tunnistaa potilaat, joilla on ennalta määrättyjä sairaalahoitopalveluja kahden viikon sisällä perusterveydenhuollon käynnistä, mikä viittaa siihen, että alustavaan tutkimukseen ei ole voitu jättää mitään. Monet asiantuntijat ennustavat, että tällainen tekniikka auttaa estämään virheitä tai ainakin kiinnittämään heidät huomiota niiden vähentämiseksi.
Hyväksytään keinotekoinen älykkyys
Vuonna 2015 NHS Englannin puheenjohtaja Sir Malcolm Grant ilmaisi näkemyksensä siitä, että terveydenhuollon tulisi ymmärtää keinotekoista älykkyyttä, koska se voisi parantaa hoidon laatua ja edistää lääketieteellistä hoitoa. Monet terveysalan ammattilaiset ovat siitä lähtien toistaneet tämän sentimentaalin. Teknologia, joka pystyy luotettavasti diagnosoimaan ja / tai tunnistamaan diagnostiikkavirheet datan louhinnalla, ei todennäköisesti ole kaukana.
Terveydenhuollon kognitiivista tietojenkäsittelyä käytetään parhaillaan enemmän neuvonantajana eikä tehdä lopullisia päätöksiä tai korvata ihmisiä sinänsä. Esimerkiksi Watson auttaa yksilöitä ja organisaatioita tekemään entistä kehittyneempiä ja kehittyneempiä kliinisiä päätöksiä ja auttaisi pian auttamaan yksilöitä parantamaan kuntotasojaan yhteistyössä Under Armorin kanssa. Kuitenkin vain vähän aikaa sitten tietokoneet ylittivät ihmisen hallitsevana voimana älyllisessä urheilussa, kuten shakissa, ja laskentatehokkuus kasvaa vain. Lisäksi ihmisen elementti lisätään tietokoneiden jalostusominaisuuksiin, jolloin käsitys tietokoneista ja roboteista huolehtisi meistä, jotka eivät ole niin kauaskantoisia kuin kerran näytti.
> Lähteet
> Berner E, Graber M. Yliolosuhteet syyksi diagnoosivirheestä lääketieteessä. American Journal of Medicine . 2008; 121: S2-S23.
> Graber ML. Diagnoosivirheen ilmaantuvuus lääketieteessä. BMJ-laatu ja turvallisuus . 2013; 22 (Suppl 2): ii21-ii27. doi: 10,1136 / bmjqs-2012-001615.
> Lupton D. Terveyden edistäminen digitaalisessa aikakaudella: kriittinen kommentaari. Terveyden edistämisen kansainvälinen . 2015; 30 (1): 174-183
> Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis MD, Thomas EJ. Ensisijaisen hoitoasetuksen diagnoosivirheiden tyypit ja alkuperä. JAMA sisäinen lääketiede . 2013; 173 (6): 418-425.
> Thompson M. Healthcare ja kognitiivinen tietojenkäsittelytiimi nousevat suuria muutoksia varten. Econtent . 2015: 4-8.