Flaskhalsar i antagandet av AI inom hälso- och sjukvården

Varje sektor har möjlighet att integrera artificiell intelligens. Hälso- och sjukvården tar den långsammare vägen, med försiktighet och oro medan AI förbättrar andra branscher till nya höjder av intäkter och produktivitet.

Varför skulle sektorn inte vilja anta AI om det att ha en källa med potentiellt obegränsad data kunde förbättra diagnoser av patienter och strömlinjeforma operativa kommunikationer inom hälso- och sjukvårdsinrättningar? På grund av allt som branschen omfattar är övergången mer komplex än de flesta skulle tro.

Den massiva dataytan

Elektroniska hälsoregister (EHR) omfattar otaliga elektroniska landskap, inklusive försäkringsdatabaser, medicinska journaler och radiologiska laboratoriebilder. Det finns också många medicinska anteckningar som ännu inte har digitaliserats, som innehåller information som AI kunde finna mest insiktsgivande. Men den konkurrensutsatta och konfidentiella naturen hos hälso- och sjukvårdsbranschen förhindrar att denna data möts i samma silo.

Det skulle vara tidskrävande och dyrt att länka samman, och många oberoende hälso- och sjukvårdsinrättningar är ovilliga att gå samman för att informera maskinlärningsalgoritmer. De vill ha ersättning för sina ansträngningar om de lämnar över sin data.

Personligt identifierbar information (PII) och skyddad hälsorelaterad information (PHI) är känsliga resurser. Det är ett grått område att följa hälsoskyddsregler medan man matar en AI-dataset. Tvärtom kunde AI alltid hålla sig uppdaterad med aktuell regelefterlevnad, så noggrann informationsinmatning kan hjälpa den att navigera denna väg säkert.

Men om branschen övervinner detta hinder, kunde AI-datasets känna till varje känd kur, recept och åtgärdsplan för varje nuvarande medicinsk situation. Hur kan sektorn övervinna denna massiva spridning av information? Regleringar är nyckeln.

AI inom hälso- och sjukvården har lite till ingen statlig benchmark. Att ha dem på plats kommer att stilla vissa farhågor från till och med de mest framstående sjukhusen när de delegerar tid och resurser till detta företag. Att skapa standarder för dessa processer kommer att vara en gemensam, dedikerad insats från regleringsorgan och hälsoinrättningar. Testning med nya AI-trender som prediktiv analys och förbättrad säkerhet kommer att ta tid, men standarder kommer att skapa sammanhållning och motivation samtidigt som de eliminerar branschens farhågor.

Patienternas skepticism

AI används inte tillräckligt inom branschen för att ha tillräckligt med patientåterkoppling. Det är omöjligt att veta hur patienter reagerar på artificiell intelligens som ger en diagnos eller återhämtningsplan tidigt i AI-hälso- och sjukvårdens antagande. Vissa experter tror att det skulle finnas förfrågningar om mänskliga läkare som munstycke för denna informationsöverföring.

Trots den noggrannhet AI kunde ha över mänskliga läkare på grund av dess konstant uppdaterade databas, har människor inte värmt upp till en värld där tekniken ersätter dem. AI skulle inte göra läkare föråldrade — mänskliga influenser kan alltid ge andra åsikter till dess bestämningar.

Också, människor kommer att informera och finjustera AI efter implementering för att säkerställa effektivitet och noggrannhet — detta kommer att övervinna en relaterad hinder för en hälso-AI som blir överväldigad av för mycket data. Mänsklig tillsyn kommer att hantera dataskalning och inmatning för att säkerställa att ingen falsk, föråldrad eller onödig information orsakar bestämningar som är partiska eller missinformade. Patienter kan känna sig mer bekväma om läkare förmedlar detta till patienter.

Forskare måste öka AI-exponeringen för patienter för att mäta reaktioner och förtroendekapacitet. Bara genom interaktivitet kunde de se potentialen — minskade väntetider, snabbare receptfyllning, ökad diagnostisk noggrannhet och mer balanserad personal för att minimera utbrändhet. Detta kunde visa sig särskilt fördelaktigt, eftersom 36% av vårdgivare säger att deras jobb är mycket stressiga.

Att skära ner overheadkostnader med AI kunde främja lägre till medelstora sjukhus eftersom de sparar otaliga dollar i utgifter. Detta skulle tillåta dem att investera i mer expertpersonal och bättre utrustning för att driva dem in i en ny framtid av bättre hälso- och sjukvård. Dessa bieffekter kunde förändra patienternas åsikter om de såg den positiva förändringen utvecklas framför dem.

De okända aspekterna av AI-beslutsfattande

Även om människor vet vilken data de matar in i AI för att informera beslut, kunde artificiell intelligens förutsäga eller göra antaganden som fortfarande överraskar. Programmerare och ingenjörer finns för att förklara den tekniska sidan, men hur AI kopplar samman punkterna mellan dess datapunkter är fortfarande otydligt på sätt och vis.

Konceptet kallas förklarbarhet. Frågan är hur kliniker kan arbeta med AI om de inte kan förstå hur de kom till lösningar, särskilt om människor aldrig har tänkt på svaret i historien. AI inom hälso- och sjukvården kunde börja föreslå botemedel för sjukdomar som människor inte hade svar på. Det kunde också identifiera trender eller symtom, vilket gör diagnostiska språng som sträcker sig utanför mänsklig perception.

Forskare vill avslöja hur detta fungerar och hur medicinska proffs kan utveckla starka relationer med AI-resurser medan de praktiserar en hälsosam dos av skepticism. Om människor inte kan lista ut hur en AI kom till en omöjlig lösning, hur kan institutioner implementera den tillförlitligt? Ytterligare forskning kommer att lösa denna flaskhals genom att förtydliga AI-bearbetning.

Men en annan lösning i kombination med forskning är en omformulering av mänsklighetens uppfattningar och antaganden om AI. AI kan göra falska ekvivalenser och bestämningar, men dess förmåga att göra precisa förutsägelser är inte obefogade — år av mänsklig forskning och bidrag informerar hälso-AI. När denna insikt blir normaliserad, kunde AI-antagandet inom hälso- och sjukvården bli mer sömlöst.

Motståndet mot AI inom hälso- och sjukvården

Att anta infrastruktur som är så innovativ och branschförändrande som AI kommer att revolutionera hur hälso- och sjukvårdspersonal tänker på fältet. Varje teknisk förändring kräver proaktiv, optimistisk diskurs för att belysa hur den kommer att gynna sektorn och dess patienter samtidigt som den undviker så många hinder och juridiska problem som möjligt.

En enorm tveksamhet finns eftersom ingen vill möta de potentiellt massiva kontroverserna och mödosamma ansträngningarna att implementera AI. Men om den används korrekt, kunde AI föra hälso- och sjukvården till en ny era av mer effektiv och noggrann omvårdnad av mänskligheten, vilket ökar livskvaliteten för patienter och personal över hela världen.