Health AI: บนพรมแดนระหว่างการดูแลสุขภาพและเทคโนโลยี

ตนี่เป็นการลงทุนครั้งสำคัญในบริษัทต่างๆ ที่สร้างแอปพลิเคชันปัญญาประดิษฐ์ (AI) เพื่อสุขภาพและการดูแลสุขภาพในช่วงทศวรรษที่ผ่านมา แต่ในขณะที่ประสบความสำเร็จ โดยเฉพาะอย่างยิ่งในด้านการถ่ายภาพทางการแพทย์ อุตสาหกรรมนี้เป็นที่รู้จักมากขึ้นเนื่องจากยังไม่สามารถแสดงศักยภาพได้อย่างเต็มที่ — ลองคิดดู IBM Watson

การนำ AI มาใช้ในการดูแลสุขภาพเป็นไปอย่างช้าๆ เกิดจากข้อเท็จจริงที่ว่า AI ด้านสุขภาพตั้งอยู่บนพรมแดนระหว่างสองอุตสาหกรรมขนาดใหญ่ คือ การดูแลสุขภาพและเทคโนโลยี และเช่นเดียวกับพรมแดนระหว่างสองประเทศ มีความแตกต่างอย่างมีนัยสำคัญในด้านใดด้านหนึ่ง

ในอาชีพของฉันฉันได้ใช้เวลาในแต่ละด้าน ตอนนี้ ในฐานะ CEO ของบริษัทที่ชายแดน ฉันได้พัฒนาความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับความแตกต่างที่สร้างอุปสรรคต่อการสร้างนวัตกรรมร่วมกัน เพื่อให้ AI ด้านสุขภาพบรรลุศักยภาพ บริษัทด้านการดูแลสุขภาพและเทคโนโลยีต้องคำนึงถึงภาพรวมเป็นหลัก: การดูแลสุขภาพคือการช่วยชีวิต

โฆษณา

ความแตกต่างของวัฒนธรรม

อุปสรรคบางประการระหว่างการดูแลสุขภาพและเทคโนโลยีเป็นสิ่งที่จับต้องได้ การดูแลสุขภาพมีการควบคุมอย่างเข้มงวด เทคโนโลยีไม่ใช่ เทคโนโลยีใช้ประโยชน์จากซอฟต์แวร์และไลบรารีโอเพ่นซอร์สอย่างมีนัยสำคัญ การดูแลสุขภาพมีแนวโน้มที่จะใช้ซอฟต์แวร์ที่เป็นกรรมสิทธิ์ แต่ความแตกต่างเหล่านี้เหมือนกับว่าคุณขับรถไปด้านใดของถนนหรือสกุลเงินที่ใช้อยู่: สิ่งเหล่านี้ทำให้การข้ามพรมแดนไม่มีประสิทธิภาพ แต่สามารถแก้ไขได้ในท้ายที่สุด

เป็นความแตกต่างทางวัฒนธรรมที่อาจเป็นเรื่องยากมากที่จะนำทาง

โฆษณา

ความแตกต่างทางวัฒนธรรมที่สำคัญประการหนึ่งคือวิธีที่แต่ละฝ่ายจัดลำดับความสำคัญของผลประโยชน์โดยเฉลี่ยเทียบกับผลเสียต่อบุคคลเมื่อทำการประเมินนวัตกรรม ในด้านเทคโนโลยี อัลกอริทึมการเรียนรู้ของเครื่องมักจะปรับให้เหมาะสมเพื่อประโยชน์โดยเฉลี่ย ในทางตรงกันข้าม อุตสาหกรรมการดูแลสุขภาพมีแนวโน้มที่จะให้ความสนใจกับอันตรายส่วนบุคคลมากกว่า โดยไม่ต้องการให้เกิดนวัตกรรมที่ต้องแลกมาด้วยผลลัพธ์ที่แย่ลงสำหรับผู้ป่วยแม้แต่น้อย ความท้าทายของการทำงานร่วมกันของเทคโนโลยีและการดูแลสุขภาพไม่ได้เกิดขึ้นเพราะฝ่ายใดฝ่ายหนึ่งผิด แต่เป็นเพราะทั้งสองฝ่ายถูก

การนำทางอุปสรรค

ความซับซ้อนของความแตกต่างทางวัฒนธรรมเหล่านี้เป็นรากฐานของบทเรียนที่ Cornerstone AI ซึ่งเป็นบริษัทที่ฉันเป็นผู้นำ เพิ่งได้เรียนรู้ ลูกค้ารายใหญ่ที่สุดของเรามีข้อมูลด้านสุขภาพสำหรับผู้ป่วยมากกว่า 30 ล้านรายซึ่งจำเป็นต้องได้รับการทำความสะอาดด้วยอัลกอริทึม ลูกค้าสนใจเมตริกเฉลี่ย เช่น การลดลงสุทธิของข้อผิดพลาด การเพิ่มขึ้นสุทธิของข้อมูลที่สมบูรณ์ และอื่นๆ ในทำนองเดียวกัน ซึ่งระบุถึงมูลค่าโดยรวมในข้อมูลทั้งหมด แต่ลูกค้าก็สนใจเท่าเทียมกันในการทำให้มั่นใจว่าข้อมูลจะไม่เสียหายอันเป็นผลมาจากกระบวนการ แม้แต่เพียงหนึ่งใน 30 ล้านคนเหล่านั้น ด้วยเหตุนี้ ซอฟต์แวร์ AI ที่เราสร้างขึ้นจึงต้องตรงตามมาตรฐานทั้งสองมาตรฐาน ซึ่งเป็นมาตรฐานที่สูงขึ้นซึ่งใช้เวลานานกว่ามากในการบรรลุเป้าหมาย

ความแตกต่างทางวัฒนธรรมขยายไปถึงมุมมองที่แต่ละฝ่ายมองระบบอัตโนมัติของซอฟต์แวร์และการตัดสินใจด้วยอัลกอริทึม ในด้านเทคโนโลยี การให้คนดูการคาดคะเนในแต่ละครั้งที่เรียกใช้อัลกอริทึมอาจถูกมองว่าเป็นรูปแบบธุรกิจที่ไม่ดีและไม่ปรับขนาดได้ ในด้านการดูแลสุขภาพ การให้แพทย์ตรวจสอบการวินิจฉัยอัลกอริทึมทุกครั้งอาจถือเป็นแนวทางปฏิบัติทางการแพทย์ที่ดี การเชื่อมโยงความแตกแยกนี้เป็นสิ่งจำเป็นสำหรับการเติบโตของ AI ด้านสุขภาพ ตัวอย่างเช่น บริษัทเทคโนโลยีสามารถนำหลักการจากการทดลองทางคลินิกมาใช้ในการรายงานผลลัพธ์ของ AI ทำให้มั่นใจในอัลกอริทึมพื้นฐานมากขึ้น และการดูแลสุขภาพสามารถปฏิบัติตามคำแนะนำของเทคโนโลยีที่ว่าซอฟต์แวร์บนคลาวด์และโอเพ่นซอร์สไม่เข้ากันกับความปลอดภัยของข้อมูลและความเป็นส่วนตัว

นี่คือตัวอย่างส่วนบุคคล เมื่อลูกสาวของฉันยังเป็นทารก เธอเป็นหวัดและเป็นไข้ เธอลงเอยที่โรงพยาบาลด้วยการวินิจฉัยโรคเยื่อหุ้มสมองอักเสบ เยื่อหุ้มสมองอักเสบมี 2 ชนิด ได้แก่ ไวรัสซึ่งโดยทั่วไปไม่รุนแรง และแบคทีเรียซึ่งอาจร้ายแรงมาก การแยกความแตกต่างระหว่างคนทั้งสองใช้เวลาสองสามวัน ซึ่งพ่อแม่ของเธอรู้สึกเหมือนตลอดชีวิต แพทย์แนะนำให้เริ่มให้ยาปฏิชีวนะทางหลอดเลือดดำทันที เพราะแม้ว่ายาปฏิชีวนะจะไม่ทำอะไรกับไวรัสและอาจมีผลข้างเคียง แต่ความเสี่ยงของเยื่อหุ้มสมองอักเสบจากแบคทีเรียที่ไม่ได้รับการรักษาก็มีมากกว่า

ในฐานะนักวิทยาศาสตร์ข้อมูล ผมและภรรยาถามว่าโอกาสที่ลูกสาวของเราจะเป็นโรคเยื่อหุ้มสมองอักเสบจากไวรัสเทียบกับเยื่อหุ้มสมองอักเสบจากแบคทีเรียมีอะไรบ้าง คำตอบที่ได้คือ 50-50 จึงตัดสินใจเดินหน้ารักษา แต่จากนั้นเราได้ทำการวิจัย PubMed หลายชั่วโมงและพบแบบจำลองที่ตีพิมพ์ซึ่งสามารถประเมินความน่าจะเป็นนี้ได้ เราคำนวณการคาดคะเนของแบบจำลองสำหรับกรณีของเธอด้วยตนเอง และพบว่าความน่าจะเป็นของเยื่อหุ้มสมองอักเสบจากไวรัสประมาณ 98% เทียบกับแบคทีเรียเพียง 2% เราก็ถอนหายใจโล่งอก

หากโมเดลนี้รวมเข้ากับระบบเวชระเบียนของโรงพยาบาล และพร้อมให้แพทย์ตรวจสอบกับเราทันที มันจะทำให้เราสบายใจขึ้นมาก เราน่าจะยังคงดำเนินการรักษาต่อไป — 2% หมายถึงบางสิ่งที่ค่อนข้างแตกต่างสำหรับทารกเพศหญิงของคุณมากกว่าที่เป็นในการคำนวณทางวิชาการ — แต่คนอื่นๆ ในสถานการณ์ที่คล้ายคลึงกันอาจไม่เป็นเช่นนั้น

การตัดสินใจในท้ายที่สุดจำเป็นต้องมีแพทย์หรือผู้ปกครองหรือมนุษย์คนอื่น ๆ เพื่อให้ข้อมูลใหม่จาก AI สมดุลกับข้อมูลเฉพาะของแต่ละสถานการณ์ การทำนายส่วนบุคคลควรมีให้ทุกคน ไม่ใช่แค่ผู้ที่มีพ่อแม่เนิร์ดสองคนที่สามารถอุทิศเวลาให้กับการวิจัยนี้ได้

ส่งต่อความก้าวหน้าสำหรับ AI ด้านสุขภาพ

ฉันแบ่งปันเรื่องราวของบริษัทและลูกสาวของฉันเพื่ออธิบายความซับซ้อนของสิ่งที่เกิดขึ้นเมื่อโมเดล AI ข้ามพรมแดนจากเทคโนโลยีไปสู่การดูแลสุขภาพ และเห็นป้าย “ก่อนอื่น อย่าทำอันตราย”

คำมั่นสัญญาของ AI ด้านสุขภาพมาพร้อมกับความอ่อนน้อมถ่อมตนที่พวกเราผู้พัฒนาอัลกอริทึมด้านสุขภาพได้เรียนรู้: อัลกอริทึมนั้นดีพอ ๆ กับข้อมูลที่เข้าไปในพวกเขาและมนุษย์ที่ตีความผลลัพธ์

ข่าวดีก็คือ AI ด้านสุขภาพมีแรงผลักดันมากขึ้นกว่าที่เคยเป็นมา ข้อมูลสุขภาพกำลังเกิดขึ้นจากระบบแยกที่เป็นกรรมสิทธิ์ของพวกเขาเพื่อใช้เป็นอินพุตสำหรับอัลกอริทึมการเรียนรู้ของเครื่อง อุปสรรคที่จับต้องได้ในการหลอมรวมเทคโนโลยีและการดูแลสุขภาพกำลังจะหมดไป อุปสรรคทางวัฒนธรรมจะใช้เวลามากขึ้น แต่บริษัทต่างๆ ที่ให้ความสำคัญกับ AI ด้านสุขภาพสามารถช่วยเชื่อมพวกเขาได้เช่นกัน ด้วยความเคารพต่อสิ่งที่มนุษย์และ AI สามารถมีส่วนร่วมได้ เช่นเดียวกับวัฒนธรรม เมื่อผู้คนสร้างผลิตภัณฑ์ที่สี่แยกนี้เคารพและเฉลิมฉลองการมีส่วนร่วมของแต่ละด้าน พวกเขาจะสามารถบรรลุคำมั่นสัญญาที่สมบูรณ์ของ AI ด้านสุขภาพ

Michael Elashoff เป็น CEO และผู้ร่วมก่อตั้ง Cornerstone AI

จดหมายข่าวความเห็นแรก: หากคุณชอบอ่านความคิดเห็นและบทความเกี่ยวกับมุมมอง รับบทสรุปของ First Opinions ในแต่ละสัปดาห์ที่ส่งถึงกล่องจดหมายของคุณทุกวันอาทิตย์ ลงทะเบียนที่นี่