Modern yaşamın birçok boyutu, sağlık ve zindeliğin çeşitli yönleri dahil olmak üzere yapay zeka ile giderek daha fazla desteklenmektedir. Bir bilgisayar insan odaklı sağlık hizmeti müdahalelerinden daha iyi ne kadar önce? Belki de daha önemlisi, bir insan, insan olmayan birisine, onu tedavi etmek için ne kadar güvenmeye istekli olacak? Bu iki soru, makine öğrenimi teknolojisinin ve sağlık hizmetlerinde robotiğin potansiyeli konusundaki tartışmalara odaklanabilir.
Bilgisayarlar giderek insan benzeri bir şekilde “düşünebilir”. İster hazır olsun ister olmasın, bilgisayarlı koçluk ve sağlık bakımı çağının bilişsel hesaplamadaki son gelişmeler geldi.
Sağlık Bilgilerinin İstatistiksel Olarak İncelenmesi
Satın aldığımız veya internette dolaştığımız her zaman, her türlü özel ve genellikle gizli bilgileri paylaşmamızın bir sırrı yoktur. Sağlık olaylarını sadece sıradan davranışları izleyerek tahmin etme yeteneği, perakendeci Hedef'in, alışveriş alışkanlıklarına dayanan bir kadın hamile olsaydı esrarsız bir doğrulukla tahmin edebilecekleri dünyayı gösterdiği 2012'de, bazen de hamilelik haberlerini ihmal edilenlere bile ulaştırdığında, gayretle gösterildi. aile üyeleri.
Birçok kişisel ayrıntı, kişinin alışkanlıklarını ve özelliklerini daha iyi anlamak için rutin olarak analiz edilir. Bu uygulamalardan bazıları gönüllü olarak ve kullanıcının tam farkındalığı ve desteği ile olurken, diğerleri örgütler ve şirketler tarafından gizlice gerçekleştirilebilir.
İstemsiz izleme davranışı, bazı etik ve sosyal soruları gündeme getirir.
Pek çok kişi, kişisel sağlık bilgilerini, sağlık risk değerlendirmesi yoluyla açık bir şekilde paylaşarak, giyilebilir cihazlar aracılığıyla ve hatta bazen kasıtsız olarak sosyal medya gönderileri ve satın alma davranışları yoluyla, çeşitli şekillerde özgürce paylaşmaktadır.
Bu bilginin analiz edilebileceği ve yorumlanabileceği doğruluk artıyor, hem tehlikeler ve fırsatlar yaratıyor hem de bizi teknolojinin sağlığımızı ve esenliğimizi olumlu yönde canlandırmakta rol oynayabileceği yeni bir dönemin sınırına getiriyor.
Sağlığı Kişiselleştirme ve Yanlış Tanılama Problemini Çözme
Doktorların tanı hataları büyük bir endişe kaynağıdır. İhmalin ya da seçeneklerin bolluğunun dikkate alınamamasının bir sonucu olarak, bu hatalar hasta ve ailesi için yıkıcı olabilir. Birmingham Alabama Üniversitesi'nden Profesör Eta Berner ve Northport VA Tıp Merkezi'nden Dr. Mark L. Graber, tıbbi vakaların yaklaşık yüzde 10 ila 20'sinin yanlış teşhis edildiğini tespit etti. Berner ve Graber, verimli bilişsel süreçlerin çoğu zaman doğru tanıyı sağladığını belirtiyor. Ancak, bu bilişsel süreçlerin başarısız olduğu zamanlar vardır. Berner ve Graber'in analizi, hekimin aşırı güvenliğinin genellikle tıbbi hataların nedenlerinden biri olabileceğini gösterdi. Dahası, Sağlık Araştırmaları ve Kalite Ajansı tarafından finanse edilen bir rapor, tüm teşhis hatalarının yüzde 28'inin ciddiyette majör olduğunu ve muhtemelen yaşamı tehdit eden bir olay olduğunu gösterdi.
Yanlış teşhis, yanlış vücut kısmını cerrahi olarak çıkarmak için yanlış ilacın reçetelenmesinden herhangi bir şey içerebilir.
Bu endişe verici istatistik, bazılarının, insan faktörünü denklemden çıkararak mevcut sorunun çözülebileceğini tartışmasına neden olabilir. IBM'in Watson'ı gibi bir teknoloji, bilginin daha insancıl bir biçimde sentezlenebileceği ve tasarlanabileceği umudu sunuyor. Watson'un bilişsel teknolojisi, yapılandırılmamış verileri analiz etme, karmaşık soruları anlama ve son kullanıcılara kanıta dayalı çözümler sunma kapasitesine sahiptir.
Watson, gerçek hayattaki durumlarda her zaman başarılı olduğu kanıtlanmamış tahmin algoritmalarını geliştirmeyi amaçlıyor.
Bununla birlikte, Watson'un tahmin etme potansiyelinden daha kışkırtıcı olan şey, teknolojisinin sağlık ve fitness müdahaleleri söz konusu olduğunda insanları geride bırakma olasılığıdır.
2015 yılında, IBM Watson, CVS Health ile stratejik bir ortaklık kurdu ve bu, ticari sağlık sektöründe bilişsel bilginin gelişini açıkladı. Yakında, doktorların ve eczacıların, örneğin bir hastanın sağlığındaki düşüşü otomatik olarak tespit edebilecek teknolojiye erişebileceklerini ileri sürdü.
Under Armor ile IBM arasında 2016 yılında imzalanan anlaşma, Watson'a sağlık platformunu daha da geliştirme ve geliştirme fırsatı verdi. Apple da HealthKIT ve ResearchKIT geliştirme platformlarını iyileştirmek amacıyla Watson platformunda önemli bir yatırım yaptı. Grand View Research Inc. tarafından hazırlanan bir rapora göre, küresel sağlık bilişsel bilgi işlem pazarının 2020 yılına kadar 5 milyar dolara ulaşması bekleniyor.
Bilimsel araştırma çalışmaları, aynı zamanda, tıpta hata ve zarar riskini en aza indirmek için teknolojinin kullanımını desteklemektedir. Mark L. Graber, elektronik sağlık kayıtlarını analiz ederek ve uyumsuzlukları arayarak teşhis hatası riski taşıyan vakaları tanımlayabilecek “tetikleme araçları” nın kullanılmasını önermektedir. Ancak, Amerikan hastanelerinde farklı tipte tetik araçları kullanılmaktadır, ancak teşhis hatalarını her zaman tespit edememektedirler. Bu nedenle, daha iyi önleyici müdahaleler tasarlamak için çaba sarf edilmektedir.
Hardeep Singh ve meslektaşları tarafından umut verici bir yaklaşım sunulmuştur. Birincil tetkik ziyaretinden sonraki 2 hafta içinde planlanmamış hastane randevuları olan hastaları belirleyebilecek bir elektronik tetikleyici tasarladılar ve ilk muayenelerinde bir şeylerin kaçırıldığını düşündürdüler. Birçok uzman, bu gibi bir teknolojinin hataları önlemeye yardımcı olacağını veya en azından onları azaltma çabasıyla dikkatlerini çekeceğini öngörmektedir.
Yapay Zeka kucaklamak
2015 yılında, NHS İngiltere Başkanı Sir Malcolm Grant, yapay zekânın, sağlık hizmetlerini benimsemenin yanı sıra, bakım kalitesini arttırdığı ve ilacı kişiselleştirdiği için, sağlık hizmetleri tarafından benimsenmesi gerektiği fikrini dile getirdi. Birçok sağlık uzmanı bu duyguyu yineledi. Veri madenciliği yoluyla teşhis hatalarını güvenilir bir şekilde teşhis edebilen ve / veya tanımlayabilen teknoloji büyük olasılıkla uzak değildir.
Sağlık sektöründe bilişsel bilgisayar kullanımı şu anda bir danışmanlık rolünde daha fazla kullanılmaktadır ve nihai kararları vermemek ya da insanların yerini almaktan kaçınmaktadır. Örneğin Watson, bireylerin ve kurumların daha gelişmiş ve karmaşık klinik kararlar almasına yardımcı olur ve yakında bireylerin Under Armor ile olan ortaklığı sayesinde fitness seviyelerini geliştirmelerine yardımcı olur. Bununla birlikte, bilgisayarların, satranç gibi entelektüel bir sporda baskın güç olarak insanları üstlendikleri ve bilgisayar güçlerinin sadece giderek arttığı kısa bir süre önceydi. Dahası, insan unsuru, bilgisayarların işleme özelliklerine ekleniyor, bilgisayar ve robotların bizi bir zamanlar göründüğü kadar uzak değilken bize bakma fikrini oluşturuyor.
> Kaynaklar
> Berner E, Graber M. Tıpta Tanısal Hata Nedeni Olarak Aşırı Güven. Amerikan Tıp Dergisi . 2008, 121: S2-S23.
> Graber ML. Tıpta tanı hatası insidansı. BMJ Kalite ve Güvenlik . 2013; 22 (Ek 2): ii21-ii27. doi: 10,1136 / bmjqs-2.012-001.615.
> Lupton D. Dijital çağda sağlığın teşviki: kritik bir yorum. Sağlık Teşviki Uluslararası . 2015; 30 (1): 174-183
> Singh H, Giardina TD, Meyer VE, Forjuoh SN, Reis Singh H, Giardina TD, Meyer VE, Forjuoh SN, Reis MD, Thomas EJ. Birincil Bakım Ortamında Tanısal Hataların Türleri ve Kökenleri. JAMA iç hastalıkları . 2013; 173 (6): 418-425.
> Thompson M. Sağlık ve bilişsel bilgi işlem ekibi büyük değişiklikler için çalışıyor. Econtent . 2015: 4-8.