جيفري إيستون ، مستشار الذكاء الاصطناعي للرعاية الصحية في CognitiveScale - سلسلة مقابلات

جيفري إيستون هو CognitiveScaleمستشار منظمة العفو الدولية للرعاية الصحية. في هذا المنصب ، يعمل جيف مع مؤسسات الرعاية الصحية (بشكل أساسي مقدمي / أنظمة الرعاية الصحية ، دافعي الضرائب وبائعي التكنولوجيا) في رحلة الذكاء الاصطناعي الخاصة بهم - من الرؤية الإستراتيجية حول كيفية تطوير كفاءات الذكاء الاصطناعي ومراكز التميز إلى التطوير التكتيكي لخرائط طريق الذكاء الاصطناعي وتقديم الذكاء الاصطناعي. حلول

هل يمكنك مناقشة سبب اعتقادك بأهمية الذكاء الاصطناعي في صناعة الرعاية الصحية؟ 

تشكل الكميات الهائلة من البيانات المعقدة والمتباينة والموزعة الأساس للعمليات السريرية والإدارية والمالية الأساسية التي تقود الرعاية الصحية. لذلك ، يعد الذكاء الاصطناعي الآن قدرة أساسية عبر سلسلة قيمة تكنولوجيا معلومات الرعاية الصحية بأكملها. يدرك العاملون في مجال المعرفة مثل الأطباء والباحثين تحسينات كبيرة من الذكاء الاصطناعي - لا سيما المجموعة الفرعية "الذكاء المعزز" للذكاء الاصطناعي.

يعد الذكاء الاصطناعي في الرعاية الصحية موضوعًا ضخمًا ، وهناك العديد من حالات الاستخدام القيّمة من مصادر البيانات إلى استخلاص الرؤى ، ومن تحسين العمليات أو أتمتها إلى مشاركة المريض بشكل أفضل وتقديم الرعاية الشخصية. تتحسن النتائج السريرية ، وتؤدي الكفاءات إلى توفير التكاليف ، وهناك العديد من حالات الاستخدام في الأعمال التي تعد بتحقيق القيمة. لقد وضع الوباء العالمي الحالي العديد من حالات استخدام الذكاء الاصطناعي للرعاية الصحية في بؤرة تركيز حادة ، حيث يجمع بين نتائج المخاطر المجتمعية والفردية والرؤى مع التدخلات الذكية ، على سبيل المثال - كل ذلك سيحسن أنظمة الرعاية الصحية في جميع أنحاء العالم جيدًا بعد أن نتغلب على COVID-19 .

 

كيف تعرف الذكاء المعزز في بيئة الرعاية الصحية؟

يركز CognitiveScale في المقام الأول على الذكاء المعزز. تسعى بعض تقنيات الذكاء الاصطناعي، مثل أتمتة العمليات الروبوتية (RPA) أو برامج الدردشة الآلية، إلى استبدال الأشخاص بالآلات (في كثير من الأحيان، على أي حال). نحن نركز، في المقام الأول، على حلول الذكاء الاصطناعي التي تساعد مؤسسات الرعاية الصحية والموظفين على العمل بشكل أكثر ذكاءً وكفاءة. نحن نركز أيضًا على الحلول المعرفية - المجموعة الفرعية الأكثر تقدمًا من الذكاء الاصطناعي التي تحتوي على حلقة تعلم أو ردود فعل - وغالبًا ما يكون "البشر في الحلقة" هم الذين يمكنهم تقديم ردود الفعل للنماذج للتعلم منها. هناك العديد من الأمثلة على الذكاء المعزز في مجال الرعاية الصحية والذي بدأ يحقق نتائج مبهرة. على سبيل المثال، في مجال الأشعة وعلم الأمراض، يعمل الأطباء على تعزيز قدرتهم على قراءة الصور وإجراء التشخيص باستخدام نماذج التعلم الآلي، مما يتيح الكشف المبكر أو التشخيص الأكثر دقة ونتائج المختبر.

 

لقد عملت مع كل من الشركات الناشئة والمؤسسات الكبيرة التي طبقت استراتيجيات مختلفة للذكاء الاصطناعي. ما هي بعض الأخطاء الشائعة التي رأيتها؟

تمامًا كما تتعلم حلول الذكاء الاصطناعي المعرفية بمرور الوقت وتنضج ، كذلك فهمنا لقوة الذكاء الاصطناعي والمزالق. عادةً ما يستغرق مقدار الوقت للوصول إلى البيانات - لإعداد البيانات - ثم تدريب النماذج على تعداد البيانات وقتًا أطول مما كان يُعتقد في الأصل. تتعلق الأخطاء الأخرى بتفعيل ونطاق حلول الذكاء الاصطناعي - بافتراض أنه يمكن بسهولة نشر نموذج جيد وإدارته عبر نظام بيئي لتكنولوجيا المعلومات للرعاية الصحية ، في حين أن الواقع هو أن العديد من نماذج الذكاء الاصطناعي تظل غير مستخدمة. لكن أحد أهم التحديات في مجال الذكاء الاصطناعي للرعاية الصحية يتعلق بالثقة: هل يمكن الوثوق بالنماذج ، وهل هي منحازة وعادلة وقابلة للتفسير ودقيقة؟ أظهرت العديد من العناوين الرئيسية أن حلول الذكاء الاصطناعي يمكن أن تكون منحازة بطرق تجذب انتباه المنظمين - أو قد تكون حلول الصندوق الأسود التي تثير الشكوك من مقدمي الخدمة الذين من المفترض أن تزيد ذكائهم. هذا هو التحدي الأكبر - والخطأ - مع الذكاء الاصطناعي للرعاية الصحية الذي أراه مؤخرًا.

 

ما هي آرائك حول التنميط الجينومي؟

التنميط الجينومي هو مجموعة فرعية من التقنيات الواعدة المصممة لتقديم نظرة ثاقبة شخصية للشخص ، عادةً لغرض الرعاية الصحية (مقابل علم الأنساب ، أو أحيانًا نرى قصصًا حول نزاعات الأبوة أو حتى التحقيقات الجنائية التي تستفيد من هذه التكنولوجيا). يعد التخصيص موضوعًا رئيسيًا لحالات استخدام الذكاء الاصطناعي للرعاية الصحية - كيفية إشراك المرضى بشكل أفضل ، أو زيادة ذكاء مقدمي الخدمة برؤى أكثر تخصيصًا وتوجيهًا. بقدر ما يمكن أن يساعد التنميط الجينومي في توفير المزيد من التخصيص. وطالما أن البيانات واستخدامها موثوق به (غير متحيز ، وعادل ، وقابل للتفسير ، ودقيق ، وما إلى ذلك) ، فسيكون عنصرًا مهمًا في الطب الشخصي - وعنصرًا أساسيًا لحلول الذكاء الاصطناعي شديدة التخصيص التي تعزز معلومة.

 

يبدو أن إضفاء الطابع الشخصي على الرعاية الصحية هو موجة المستقبل ، بأي الطرق ترى أن هذا له التأثير الأكثر إيجابية؟

في CognitiveScale نقدم حلول رعاية صحية شخصية وتنبؤية وصفية. تتضمن بعض الأمثلة التدخلات الذكية لمديري الرعاية (حالة الاستخدام السريري) والتنبؤ باستفسارات الخدمة (حالة الاستخدام الإداري / التشغيلي). تقدم حلول التدخل الذكي الاستدلالات والتنبؤات ودرجات المخاطر الشخصية (من بين مخرجات النموذج الأخرى) التي تزيد من عمل أولئك الذين يديرون المرضى من خلال برنامج إدارة الرعاية. نحن أيضًا نستفيد من هذه القدرات لسلطات الصحة العامة ومقدمي الخدمات والخطط الصحية في محاولة لإدارة المواطنين / المرضى / الأعضاء خلال أزمة COVID-19. من خلال توقع استفسارات الخدمة ، فإننا نساعد مؤسسات الرعاية الصحية على معرفة اللحظة التي يتصل فيها العضو أو مزود الخدمة بشأن المطالبات والفوائد وما إلى ذلك ، والسبب المحدد للمكالمة وكيفية حلها بكفاءة أكبر ، وبالتالي تحقيق وفورات في التكاليف والتأثير على الرضا والاحتفاظ. . هناك العديد من حالات استخدام الذكاء الاصطناعي للرعاية الصحية التي تركز على الحلول الشخصية. يمكننا كتابة كتاب عن هذا الموضوع وحده.

 

هل يمكنك التحدث عن تحديات تجميع البيانات من مصادر مختلفة مثل السجلات الطبية الإلكترونية ، وتخطيط موارد المؤسسات ، وبيانات المرضى ، ومصادر البيانات الخارجية ، وما إلى ذلك ، في نظام بيانات واحد متماسك؟

تعد تقنية معلومات الرعاية الصحية (HCIT) دائمًا نظامًا بيئيًا: شبكة موزعة من الأنظمة المتباينة. المثال الشائع هو السجل الصحي الشخصي (PHR) - مجموعة البيانات الكاملة للسجل الطبي للمريض. حتى عندما يكون هناك نظام رعاية صحية كبير على نظام معلومات مستشفى واحد متجانس ، فمن المحتمل أن يكون لدى مرضاهم مقدمي رعاية آخرين ، وقد يكون لديهم تأمين يمثل مصدرًا آخر للبيانات ، وقد تنتشر بيانات المختبرات والصيدليات الخاصة بهم عبر العديد من العيادات والشركات. في حين أن هناك مجموعات معاملات قياسية لتبادل بيانات الرعاية الصحية ، ونماذج بيانات مشتركة لتخزين البيانات السريرية (ومخططات بيانات الأعضاء والمرضى والعميل والمزود) ، يحتاج بائعو حلول الذكاء الاصطناعي للرعاية الصحية غالبًا إلى أن يكونوا قادرين على إظهار كيف يمكن للحلول الاستفادة من العديد من هذه في مرة واحدة - البيانات الداخلية والخارجية ، واتصال البيانات ، ومخططات البيانات. من الواضح أن أساس حلول الذكاء الاصطناعي للرعاية الصحية هو البيانات. لذلك ، يجب أن تكون قدرات تجميع البيانات اختصاصًا أساسيًا لأي مقدم رعاية صحية يعمل بالذكاء الاصطناعي.

 

ما هي بعض الاعتبارات اللازمة لتتبع البيانات؟

تعد إمكانية تتبع البيانات أحد مكونات بعض المشكلات الأكبر والملحة في مجال الذكاء الاصطناعي للرعاية الصحية. أولاً ، يعد تتبع البيانات إحدى المشكلات العديدة المتعلقة بالخصوصية واستخدام البيانات وتبادل البيانات. على سبيل المثال ، أين تذهب البيانات السريرية أو المعلومات الصحية الشخصية (PHI) وكيف يتم استخدامها؟ تتعلق هذه القضايا بالجوانب التنظيمية والقانونية لأمن وخصوصية بيانات الرعاية الصحية. هذه القضايا ، إذن ، هي مجموعة فرعية من الذكاء الاصطناعي الأخلاقي والموثوق. سيحتاج الذكاء الاصطناعي الأخلاقي إلى حساب استخدام البيانات والخصوصية واللوائح والجوانب القانونية ، وما إلى ذلك ، على وجه التحديد معالجة الاستخدام الأخلاقي للبيانات. يتضمن الذكاء الاصطناعي الموثوق به جوانب من القابلية للتفسير واستخدام البيانات أيضًا.

 

أنت مستشار في CognitiveScale ، هل يمكنك شرح ما يفعله CognitiveScale وكيف تنصحهم؟

CognitiveScale هو مزود لبرامج الذكاء الاصطناعي التي تساعد المؤسسات على بناء حلول الذكاء الاصطناعي المعرفية وتشغيلها وتوسيع نطاقها ؛ إدراك قيمة الذكاء الاصطناعي عبر مؤسساتهم ؛ وإدارة الثقة. في مجال الرعاية الصحية ، نعمل مع بعض أكبر مؤسسات الدفع والمزود في الدولة ، على مجموعة واسعة من حالات استخدام الذكاء الاصطناعي ، بما في ذلك الأعمال الحديثة في مجالات مثل التدخلات الذكية المتعلقة بوباء COVID-19 وكيف ستتحسن هذه الحلول بعد ذلك إدارة الرعاية وتجربة الخدمة والمزيد بمجرد تجاوزنا لهذه الأزمة. بصفتي خبيرًا رائدًا في موضوع الرعاية الصحية ، أساعد العملاء والشركاء بشكل أكثر استراتيجية في مجالات مثل وضع خرائط طريق قوية للذكاء الاصطناعي ، وأكثر تكتيكية في مجالات مثل تحقيق القيمة والتحسين. أعمل أيضًا على المساعدة في مجالات مثل تطوير المنتجات (الميزات الخاصة بالرعاية الصحية وقدرات منصتنا ، على سبيل المثال) والقيادة الفكرية مع التركيز على حلول الذكاء الاصطناعي للرعاية الصحية ذات القيمة الأعلى (نظرًا لحجم الفرصة).

 

هل يمكنك أن تحدد لنا أكبر المشكلات المتعلقة بكيفية عمل الذكاء الاصطناعي أحيانًا كصندوق أسود ، والحلول المحتملة لصناعة الرعاية الصحية؟

كما ذكرت ، يُعد الذكاء الاصطناعي الأخلاقي الموثوق به تحديًا كبيرًا - وترجع الثقة إلى حد كبير إلى مشكلة "الصندوق الأسود": الافتقار إلى القابلية للتفسير أو الرؤية ، والتشكيك في قضايا مثل التحيز والإنصاف والدقة والمتانة. في CognitiveScale ، يتعامل حل Certiai الخاص بنا على وجه التحديد مع هذا التحدي ويساعد العملاء بمؤشر الثقة بالذكاء الاصطناعي والأجزاء المكونة له (لكل منها درجاته ورؤى ثاقبة): التحيز والإنصاف وقابلية الشرح والمتانة والدقة. كان للرعاية الصحية أمثلة على النماذج المتحيزة ، أو شكوك الطبيب مع إخراج النموذج بسبب نقص الشفافية أو القابلية للتفسير. هناك أيضًا متطلبات تنظيمية حول الخصوصية واستخدام البيانات ، واستخدام النماذج لتقديم نتائج عادلة أو غير متحيزة - وقد جعلتها هذه في الأخبار. نحن نعمل مع عدد من مؤسسات التكنولوجيا وإدارة المخاطر لتطوير طرق موثوقة لتوفير الرؤية وتحسين الثقة في حلول الذكاء الاصطناعي "الصندوق الأسود".

 

ما هي بعض الطرق التي يمكننا من خلالها تقليل ER عبر التشبع من خلال الذكاء الاصطناعي التنبئي؟

يعد تجنب ER هو حقًا مجموعة فرعية من تحسين الرعاية والرعاية الصحية الشخصية - الرعاية المناسبة في الوقت المناسب. قد يشمل هذا رعاية الطوارئ ، لكنه لا يحدث في كثير من الأحيان. تسلط أزمة COVID-19 الأخيرة الضوء على مثال مفيد على تحسين الرعاية. على سبيل المثال ، قد تشمل الرعاية المناسبة لمريض شديد الخطورة في مجتمع عالي الخطورة توعية الطبيب ، أو الوصول إلى مركز اختبار ، أو في بعض الحالات ، رعاية الطوارئ. يريد كل من المرضى والأعضاء ومقدمي الخدمات والدافعين المستوى المناسب من الرعاية في الوقت المناسب في هذه الأزمة ، لذا فإن مجموعة من حلول الذكاء الاصطناعي تساعد في تقديم رؤى مثل درجات مخاطر المجتمع والمرضى ، وتحليل الانتشار ، وتنبؤات استخدام المستشفى ، والتوجيه الشخصي لـ أشخاص محددين ، من بين حلول أخرى. نقوم بتقييم أداء حلول إدارة الرعاية لدينا مقابل عدد من مقاييس الأداء مثل النتائج المحسنة بما في ذلك تجنب ER عند الاقتضاء.

شكرا لك على المقابلة ، يمكن للقراء الذين يرغبون في معرفة المزيد أن يزوروا المعرفي