جيفري إيستون، مستشار Healthcare AI في CognitiveScale – سلسلة المقابلات

جيفري إيستون هو مستشار Healthcare AI في شركة CognitiveScale. في هذا الدور، يعمل جيف مع منظمات الرعاية الصحية (بشكل رئيسي مزودي الرعاية وشركات التكنولوجيا الصحية) على رحلتهم مع الذكاء الاصطناعي – من التوجيه الاستراتيجي حول كيفية تطوير قدرات الذكاء الاصطناعي ومراكز التميز إلى تطوير خارطة طريق أكثر تكتيكية وتسليم حلول الذكاء الاصطناعي

يمكنك مناقشة لماذا تعتقد أن الذكاء الاصطناعي مهم جدًا للصناعة الصحية؟

تُشكل كميات هائلة من البيانات المعقدة والمختلفة والموزعة على نطاق واسع أساس العمليات السريرية والإدارية والمالية التي تدفع الرعاية الصحية. لذلك، أصبح الذكاء الاصطناعي الآن قدرة أساسية عبر سلسلة قيمة تكنولوجيا المعلومات الصحية بأكملها. يعمل العاملون المعرفيون مثل الأطباء والباحثين على تحقيق تحسينات كبيرة من الذكاء الاصطناعي – خاصة فرع “الذكاء المعزز” من الذكاء الاصطناعي.

الذكاء الاصطناعي في الرعاية الصحية هو موضوع ضخم وهناك العديد من الحالات القيمة من جمع البيانات إلى استخراج Informationen، من تحسين أو تutomatisation العمليات إلى تعزيز المشاركة الفعالة للمرضى وتقديم الرعاية الشخصية. تحسنت النتائج السريرية، وتحقق الكفاءات وفورات في التكاليف، وهناك العديد من الحالات الأخرى قيد العمل التي وعدت بتحقيق القيمة. وضع الوباء العالمي الحالي العديد من حالات استخدام الذكاء الاصطناعي الصحية في صدارة الأولويات، حيث يجمع بين مخاطر المجتمع والفرد والرؤى التدخلات الذكية، على سبيل المثال – كل ذلك سيعمل على تحسين أنظمة الرعاية الصحية في جميع أنحاء العالم بعد هزيمة كوفيد-19.

كيف تعرف تعريف الذكاء المعزز في بيئة الرعاية الصحية؟

تركز CognitiveScale بشكل رئيسي على الذكاء المعزز. بعض تكنولوجيا الذكاء الاصطناعي مثل أتمتة العمليات الروبوتية (RPA) أو Chatbots تسعى إلى استبدال الأشخاص بالآلات (معظم الوقت، على أي حال). نحن منصبون بشكل رئيسي على حلول الذكاء الاصطناعي التي تساعد منظمات الرعاية الصحية والموظفين على العمل بذكاء وفعالية أكبر. نحن منصبون أيضًا على الحلول المعرفية – المجموعة المتقدمة من الذكاء الاصطناعي التي لها حلقة تعلم أو обратية – وغالبًا ما يكون “البشر في الحلقة” هم الذين يمكن أن يقدموا التغذية الراجعة للنماذج لتعلم منها. هناك العديد من الأمثلة على الذكاء المعزز في الرعاية الصحية التي بدأت في تحقيق نتائج مثيرة للإعجاب. على سبيل المثال، في الأشعة والباثولوجيا، يعزز الأطباء قدرتهم على قراءة الصور وصنع التشخيصات بنماذج التعلم الآلي، مما يسمح بالكشف المبكر أو التشخيصات الأكثر دقة والنتائج المخبرية.

لقد عملت مع الشركات الناشئة والمنظمات الكبيرة التي نفذت استراتيجيات الذكاء الاصطناعي المختلفة. ما هي بعض الأخطاء الشائعة التي لاحظتها؟

كما تتعلم حلول الذكاء الاصطناعي المعرفية مع مرور الوقت وتنضج، так же تطورت فهمنا لقوة الذكاء الاصطناعي والمخاطر. غالبًا ما استغرق وقت الوصول إلى البيانات – لتحضير البيانات – ثم تدريب النماذج على تعداد البيانات أكثر مما كان متوقعًا في البداية. تتعلق الأخطاء الأخرى bằng تشغيل حلول الذكاء الاصطناعي وتوسيع نطاقها – افتراض أن نموذج جيد يمكن نشره بسهولة وإدارته عبر نظام معلومات الرعاية الصحية، عندما تكون الحقيقة أن العديد من نماذج الذكاء الاصطناعي لا تزال غير مستخدمة. لكن أحد أكبر التحديات في الذكاء الاصطناعي الصحي يتعلق بالثقة: هل يمكن الثقة بنماذج، هل هي متحيزة، عادلة، قابلة للتفسير ودقيقة؟ تم تسليط الضوء على العديد من العناوين الرئيسية التي تظهر أن حلول الذكاء الاصطناعي يمكن أن تكون متحيزة بطرق تdraw внимание منظمي الرعاية الصحية – أو أنها قد تكون حلول “الsandbox” التي تثير الشكوك من قبل مقدمي الرعاية الذين يُفترض أنهم يعززون ذكاءهم. هذا هو أكبر تحد – وخطأ – مع الذكاء الاصطناعي الصحي الذي أراه في الآونة الأخيرة.

ما هي وجهات نظرك حول التوصيف الجيني؟

التوصيف الجيني هو جزء من التكنولوجيات الواعدة المصممة لتوفير رؤية شخصية حول شخص ما، عادةً لغرض الرعاية الصحية (مقابل الأنساب أو في بعض الأحيان نرى قصصًا حول نزاعات الأبوة أو حتى تحقيقات جنائية تستخدم هذه التكنولوجيا). التخصيص هو موضوع رئيسي من حالات استخدام الذكاء الاصطناعي الصحي – كيفية تعزيز المشاركة الفعالة للمرضى أو تعزيز ذكاء مقدمي الرعاية بمعلومات أكثر توجيهًا وشخصية. بقدر ما يمكن للتوصيف الجيني مساعدة تقديم المزيد من التخصيص. وبقدر ما تكون البيانات واستخدامها موثوقًا (غير متحيز، عادل، قابل للتفسير، دقيق، إلخ)،那么 سيكون جزءًا هامًا من الطب الشخصي وعنصر أساسي من حلول الذكاء الاصطناعي شديدة التخصيص التي تستخدم المعلومات الجينية.

يبدو أن تخصيص الرعاية الصحية يبدو وكأنه موجة المستقبل، كيف ترى أن هذا سيكون له أكبر تأثير إيجابي؟

في CognitiveScale، نقدم حلول الرعاية الصحية الشخصية والتنبؤية والتشخيصية. هناك مثالان يشملان تدخلات ذكية لمديري الرعاية (حالة استخدام سريرية) وتوقعات استفسارات الخدمة (حالة استخدام إدارية / تشغيلية). تقدم حلول التدخلات الذكية استنتاجات وتنبؤات ودرجات مخاطر ونتائج نموذجية (من بين مخرجات النموذج الأخرى) التي تعزز عمل أولئك الذين يديرون المرضى من خلال برنامج إدارة الرعاية. نحن أيضًا نستخدم هذه القدرات من أجل السلطات الصحية العامة ومقدمي الرعاية الصحية وخطط الصحة التي تحاول إدارة المواطنين / المرضى / الأعضاء خلال أزمة كوفيد-19. من خلال توقعات استفسارات الخدمة، نحن نساعد منظمات الرعاية الصحية على معرفة لحظة اتصال العضو أو المزود بمعلومات حول المطالبات والفوائد وغيرها، وكيفية حلها بفعالية أكبر، مما يؤدي إلى وفورات في التكاليف وتأثير على الرضا والاحتفاظ. هناك العديد من حالات استخدام الذكاء الاصطناعي الصحي الأخرى التي تركز على الحلول الشخصية. يمكننا كتابة كتاب حول هذا الموضوع وحده.

يمكنك مناقشة تحديات جمع البيانات من مصادر متفرقة مثل سجلات المرضى وأجهزة التخزين الإلكترونية ومصادر البيانات الخارجية وما إلى ذلك في نظام بيانات متكامل؟

تكنولوجيا المعلومات الصحية غالبًا ما تكون نظامًا بيئيًا: شبكة موزعة من الأنظمة المتنوعة. مثال شائع هو السجل الصحي الشخصي – مجموعة البيانات الكاملة لسجل المريض الطبي. حتى عندما يكون نظام الرعاية الصحية الكبير على نظام معلومات مستشفى متجانس، سيتمتع مرضاه بمرضى آخرين، قد يكون لديهم تأمين آخر مصدر للبيانات، وقد يكون لديهم بيانات معملية وصيدلية موزعة على عدة عيادات وشركات. في حين هناك مجموعات معايير معالجة البيانات الصحية، ونماذج بيانات سريرية شائعة لتخزين البيانات السريرية (ونماذج بيانات العضو والمرضى والعملاء والمقدمين)، غالبًا ما يحتاج مقدمو حلول الذكاء الاصطناعي الصحي إلى إظهار كيف يمكن للحلول الاستفادة من عدة منها في نفس الوقت – البيانات الداخلية والخارجية والاتصال بالبيانات والنماذج البيانية. من الواضح أن أساس حلول الذكاء الاصطناعي الصحي هو البيانات. لذلك، يجب أن تكون قدرات جمع البيانات جزءًا أساسيًا من أي مورد للرعاية الصحية.

ما هي بعض الاعتبارات اللازمة لتعقب البيانات؟

تعقب البيانات هو جزء من بعض القضايا الأكبر والأكثر إلحاحًا في الذكاء الاصطناعي الصحي. أولًا، تعقب البيانات هو أحد القضايا المتعلقة بالخصوصية واستخدام البيانات وتبادل البيانات. على سبيل المثال، إلى أين تذهب البيانات السريرية أو المعلومات الصحية الشخصية (PHI) وكيف يتم استخدامها؟ تتعلق هذه القضايا بالجوانب التنظيمية والقانونية لأمان البيانات الصحية وخصوصيتها. هذه القضايا، ثم، هي مجموعة فرعية من الذكاء الاصطناعي الموثوق والقابل للثقة. الذكاء الاصطناعي الموثوق يحتاج إلى معالجة استخدام البيانات وخصوصيتها ولوائحها والجوانب القانونية، إلخ، معالجة محددة لاستخدام البيانات بطريقة أخلاقية.

أنت مستشار في CognitiveScale، يمكنك شرح ما تفعله CognitiveScale وكيف تساعدتهم؟

CognitiveScale هو مزود لبرامج الذكاء الاصطناعي التي تساعد المنظمات على بناء وتشغيل ونشر حلول الذكاء الاصطناعي المعرفية؛ وتحقيق قيمة الذكاء الاصطناعي عبر منظمتهم؛ وإدارة الثقة. في مجال الرعاية الصحية، نعمل مع بعض أكبر منظمات الدفع والرعاية في البلاد، على مجموعة واسعة من حالات استخدام الذكاء الاصطناعي، بما في ذلك العمل الأخير في مجالات مثل التدخلات الذكية المتعلقة بوباء كوفيد-19 وكيف ستتحسن هذه الحلول إدارة الرعاية وخدمة العملاء والمزيد، بمجرد أن نكون قد فاقنا الأزمة. كما مستشارنا الرئيسي لموضوع الرعاية الصحية، أساعد العملاء والشركاء بشكل استراتيجي في مجالات مثل بناء خارطة طريق الذكاء الاصطناعي القوية، وأكثر تكتيكية في مجالات مثل تحقيق القيمة وتحسينها. أنا أيضًا أعمل على مساعدة في مجالات مثل تطوير المنتج (الميزات والقدرات الصحية المحددة لمنصتنا، على سبيل المثال) والقيادة الفكرية مع التركيز على حلول الذكاء الاصطناعي الصحي القيمة (نظرًا لحجم الفرصة).

يمكنك تعريف أكبر قضايا الذكاء الاصطناعي الذي يعمل أحيانًا كصندوق أسود، والحلول المحتملة للصناعة الصحية؟

كما ذكرت، الذكاء الاصطناعي الموثوق والأخلاقي هو تحد كبير – والثقةlargely بسبب مشكلة “الصندوق الأسود”: نقص في القابلية للتفسير أو الرؤية، والشكوك حول قضايا مثل التحيز والعدالة والدقة والمتانة. في CognitiveScale، حلنا Certiai يعالج هذا التحدي وي帮助 العملاء مع دليل الثقة بالذكاء الاصطناعي وفروعه (كل منها مع نتيجة وآراء riêng): التحيز، العدالة، القابلية للتفسير، المتانة والدقة. الرعاية الصحية شهدت أمثلة على نماذج متحيزة، أو شكوك سريرية مع مخرجات النموذج بسبب نقص الشفافية أو القابلية للتفسير. هناك أيضًا متطلبات تنظيمية حول الخصوصية واستخدام البيانات، واستخدام النماذج لتسليم نتائج عادلة أو غير متحيزة – وقد دخلت هذه إلى الأخبار. نحن نعمل مع عدد من منظمات 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 الإفراط في استخدام غرف الطوارئ من خلال الذكاء الاصطناعي التنبؤي؟

تجنب غرف الطوارئ هو حقًا جزء من تحسين الرعاية وتخصيصها – الرعاية الصحيحة في الوقت الصحيح. قد يتضمن هذا الرعاية الطارئة، ولكن في nhiều الأحيان لا يتضمن. الأزمة الأخيرة لكوفيد-19 تسلط الضوء على مثال مفيد حيث يمكن أن يساعد الذكاء الاصطناعي في تحسين الرعاية. على سبيل المثال، الرعاية الصحيحة لمريض مخاطر عال في مجتمع مخاطر عال قد تشمل الاتصال السريري بالمركز الطبي أو الوصول إلى مركز الاختبار أو في بعض الحالات الرعاية الطارئة. يريد المرضى والأعضاء والمقدمون والممولون جميعًا مستوى الرعاية الصحيح في الوقت الصحيح في هذه الأزمة، لذلك تساعد مجموعة من حلول الذكاء الاصطناعي في تقديم رؤى مثل درجات مخاطر المجتمع والمرضى، وتحليل الانتشار، وتوقعات استخدام المستشفى، وتوجيه شخصي لموضوعات محددة، من بين حلول أخرى. نحن نقيم أداء حلول إدارة الرعاية لدينا مقابل مجموعة من معايير الأداء مثل تحسين النتائج بما في ذلك تجنب غرف الطوارئ عند الضرورة.

شكرًا على المقابلة، يمكن للقراء الذين يرغبون في معرفة المزيد زيارة CognitiveScale.