في صناعة الرعاية الصحية ، تقصر الامتثال كاستراتيجية منظمة العفو الدولية. يحتاج كبار ضباط الذكاء الاصطناعى ، ومديري المعلومات ، و CISO ، إلى إعطاء الأولوية لاستخدام الذكاء الاصطناعى المسؤول لتقليل انتهاكات البيانات المحتملة التي لا يمكن أن تؤدي فقط إلى الغرامات والتقاضي ، ولكن أيضًا أضرار سمعة.
يقول ديف ماير ، كبير البيانات وضابط الذكاء الاصطناعي في منصة الرعاية القائمة على القيمة: “إنه عامل ثقة حقًا”. REVELEER. “[Public healthcare information or] PHI أمر بالغ الأهمية في الرعاية الصحية ، لذلك علينا أن نعاملها بمسؤولية. لا أحد في مؤسستنا ، بما في ذلك علماء البيانات ، لديه إمكانية الوصول إلى أي شيء لا يحتاجون إليه. يجب أن يكون الوصول إلى البيانات محكومًا بدقة. ”
الشفافية أمر بالغ الأهمية أيضًا لأنها تقلل من خطر الاعتماد على ما يمكن أن يكون هلوسة.
“عندما نقدم نتائج منظمة العفو الدولية ، أو عندما نمر من خلال نماذج البيانات الخاصة بنا ، فإننا ندعمها مع المراقبة والتقييم والتقييم والعلاج (اللحوم). لذلك ، على سبيل المثال ، لم نجد المصطلح” السكري “، في مخطط المريض أيضًا [internal classification of diseases] يقول ماير: وبهذه الطريقة ، عندما يقدم الذكاء الاصطناعي اقتراحات ، لا يزال الإنسان يقرر ما إذا كان الاقتراح صالحًا أم غير صالح. نحن لا نحاول ذلك [replace] البشر. نحن نحاول جعل عملهم أسهل وأكثر دقة. ”
منظمة العفو الدولية كأداة لحل المشكلات
على الرغم من أن القدرة على تحديد الظروف الصحية بسرعة وإيجاد الارتباطات قوية ، إلا أنها أقل فائدة إلى حد كبير إذا كان على المستخدمين بعد ذلك الخوض يدويًا من خلال كميات من المعلومات ، والتي يمكن أن تكون عدة مئات أو أكثر ، لتحديد المراجع. بدلاً من ذلك ، يمكن لـ AI أن تبرز المراجع بسرعة ، مثل تحديد صفحات الوثيقة ، أو الصفحات الموجودة في مجموعة من المستندات ، يمكن العثور على هذه المراجع.
هذا النوع من الاستخدام يفتح الباب أمام Genai ، كما هو الحال في العديد من قطاعات الصناعة الأخرى ، يميل Genai إلى إساءة فهمه. يميل الأشخاص الذين يفتقرون إلى الفهم التأسيسي لمنظمة العفو الدولية إلى الاعتقاد بأن Genai هو أحدث وأكبر نسخة من التكنولوجيا الفردية التي تسمى “AI” مقابل تقنية أخرى من الذكاء الاصطناعي.
يقول ماير: “أعتقد أن الناس ينظرون إلى Genai على أنه دواء لا ، وليست دواءً ، خاصة في صناعة الرعاية الصحية حيث لا يمكنك الحصول على صندوق أسود يقول ،” إليك الإجابة ، لكننا لن نخبرك كيف وصلنا إلى هناك “. “نحن نستخدمه لاستخراج الأدلة من الرسم البياني الذي يمكننا بعد ذلك التحقق من الهلوسة. نأخذ هذه الأدلة ونديرها من خلال نماذجنا.”
ومع ذلك ، يستخدم Reveleer أيضًا الذكاء الاصطناعي للتقنيات الأخرى ، مثل القواعد ، لسحب الأدلة.
“يعتقد الكثير من الناس أنهم قادرون على تحميل مخطط ثم اطلب من Genai الإجابة. سيعطيك إجابة تبدو على ما يرام على السطح ، لكنها ليست مستوى الإنتاج ، وهي إجابات جديرة بالثقة العميل في مئوية من الدقة [is necessary] في صناعة الرعاية الصحية ، يقول ماير: “الرعاية الصحية هي صناعة حصص عالية حيث تحاول دفع نتائج المرضى ، ولا أعتقد أن Genai يمكن الوثوق بها من تلقاء نفسها لتوفير هذه الإجابة”.
بعض تحديات الرعاية الصحية وكيفية معالجتها
أحد أكبر التحديات التي تواجه الرعاية الصحية هي فشل في فهم أن دقة التنبؤ يمكن أن تختلف ، وغالبًا ما تختلف مع حالات الاستخدام. نظرًا لأن منظمات الرعاية الصحية تحتاج إلى معلومات حساسة للمريض لتوفير التشخيصات والعلاج ، فإن مستوى الثقة مهم إلى حد كبير.
يقول ماير: “الثقة عامل كبير ، لذا فإن الحصول على اقتراح دقيق بنسبة 70 ٪ ليس جيدًا بما يكفي. المخاطر عالية جدًا. عليك أن توازن بين حساسية وأمن البيانات مع من لديه إمكانية الوصول إليها”.
بالطبع ، يجب الحصول على الثقة من قبل البائع ، وخاصة عندما يتم إشراك سجلات المرضى. في حالة Reveleer ، تم الحصول على ثقة العملاء في قدراتها من الذكاء الاصطناعي بطريقة خطوة الدرج مع مرور الوقت. على وجه التحديد ، بدأت الشركة بتوجيه مخططات المرضى تلقائيًا ، ثم تمت إضافة تقنيات NLP لاحقًا حتى يمكن ظهور معلومات المريض بشكل أسرع والتحقق من صحة. الآن يوفر الذكاء الاصطناعي مؤشرات تلقائية إلى حيث يمكن تحديد المعلومات الهامة.
يقول ماير: “أحد أكبر التحديات هو الحصول على البيانات بتنسيق منظم يمكن استخدامه”. “من أجل إنشاء أي نموذج منظمة العفو الدولية ، تحتاج إلى الحصول على كمية كبيرة من البيانات ، وتحتاج إلى تحكم تلك البيانات بشكل مناسب. إن إدارة بياناتك هي حقًا أساس كل شيء قبل أن تبدأ في بناء النماذج. تحتاج أيضًا إلى التأكد من أنك تعرف كيفية التعامل مع البيانات جيدًا.”
بالإضافة إلى الحصول على العناصر الأساسية بشكل صحيح ، من المهم اختيار الأداة المناسبة للوظيفة المناسبة.
يقول ماير: “لا يزال علم البيانات طريقة جيدة لحل الكثير من هذه المشكلات. يحاول الجميع القفز إلى Genai كحل. لا تجبر أنه إذا كنت تحصل على نتائج جيدة من علم البيانات”. “إن الشيء نفسه صحيح بالنسبة للأنظمة القائمة على القواعد. على سبيل المثال ، إذا رأيت الكلمة ، فإن” ضغط الدم “والقراءة المجاورة لها تقول 120 أكثر من 80 ، فأنت لا تحتاج إلى نموذج Genai لسحب ذلك من أجلك. أو إذا كانت البيانات بتنسيق منظم ، ويمكنك سحبها دون أي AI.”
ومع ذلك ، لا تتجاهل الحاجة إلى إنسان في الحلقة عندما يتعلق الأمر بالنيابة.
يقول ماير: “في صناعة الرعاية الصحية ، تحتاج الآلات إلى شراكة مع البشر ، لأن الرعاية الصحية هي حصص عالية للغاية بسبب الافتقار إلى الرقابة البشرية. قد يكون لدى أحد الاقتراحات درجة ثقة أفضل من 90 ٪ في حين أن آخر لديه درجة مؤتمر بنسبة 50 ٪ فقط”. “يمكن أن تساعدك الذكاء الاصطناعى في التغلب على الضوضاء وتسطح الأشياء الجيدة بسرعة ، لكنها ستحتاج دائمًا إلى العنصر البشري. نحن لا نحاول استبدال البشر ؛ نحن نحاول فقط أن نجعلها أكثر كفاءة.”
