"DIRBTINIO INTELEKTO (AI) sensacija ChatGPT ir konkurentai, tokie, kaip BLOOM ir Stable Diffusion, yra dideli kalbų modeliai vartotojams. ChatGPT sukėlė ypatingą malonumą nuo tada, kai pirmą kartą pasirodė lapkritį. Tačiau labiau specializuotas AI jau plačiai naudojamas medicinos įstaigose, įskaitant radiologiją, kardiologiją ir oftalmologiją. Šiuo metu laukiama didelių pokyčių. Med-PaLM, sukurta Alphabet priklausančios dirbtinio intelekto įmonės DeepMind, yra dar vienas didelis kalbos modelis. Jo 540 mlrd. parametrai buvo parengti naudojant duomenų rinkinius, apimančius profesionalius medicininius patikrinimus, medicininius tyrimus ir vartotojų sveikatos priežiūros užklausas. Tokia technologija reiškia, kad mūsų visuomenė dabar turi apsvarstyti geriausius būdus, kaip gydytojai ir dirbtinis intelektas galėtų geriausiai dirbti kartu, ir kaip dėl to pasikeis medicinos vaidmenys.
Sveikatos AI nauda gali būti didžiulė. Pavyzdžiai: tikslesnė diagnozė, naudojant vaizdo gavimo technologiją, automatizuota ankstyva ligų diagnostika, analizuojant sveikatos ir ne sveikatos duomenis (pvz., asmens paieškos internete istoriją ar telefono skambučių duomenis) ir nedelsiant kuriami paciento klinikiniai planai. AI galėtų atpiginti priežiūrą, nes suteikia galimybę naujais būdais įvertinti diabeto ar širdies ligų riziką, pavyzdžiui, nuskaityti tinklainę, o ne atlikti daugybę kraujo tyrimų. AI gali palengvinti kai kuriuos COVID-19 iššūkius. Tai apima sumažėjusį sveikatos paslaugų našumą ir testų bei priežiūros neatlikimus, be daugelio kitų problemų, kamuojančių sveikatos sistemas visame pasaulyje.
Nepaisant visų pažadų dėl dirbtinio intelekto medicinoje, labai reikalingas aiškus režimas, reguliuojantis jį ir jo keliamus įsipareigojimus. Pacientai turi būti apsaugoti nuo neteisingų diagnozių, nepriimtino asmens duomenų naudojimo ir šališkų algoritmų rizikos. Jie taip pat turėtų pasiruošti galimam sveikatos priežiūros nuasmeninimui, jei mašinos nesugebės pasiūlyti tokios empatijos ir užuojautos, kokios yra geros medicinos praktikos pagrindas. Tuo pačiu metu reguliavimo institucijos visur susiduria su sudėtingomis problemomis. Teisės aktai turės žengti koja kojon su vykstančia technologijų raida, kas šiuo metu nevyksta. Taip pat reikės atsižvelgti į dinamišką algoritmų pobūdį, algoritmų, kurie, laikui bėgant, mokosi ir keičiasi. Kad padėtų, reguliavimo institucijos turėtų nepamiršti trijų principų: koordinavimo, prisitaikymo ir atskaitomybės.
Pirma, norint užpildyti valdymo vakuumą, būtina skubiai koordinuoti žinias tarptautiniu mastu. Dirbtinio intelekto įrankiai bus naudojami vis daugiau šalių, todėl reguliavimo institucijos turėtų pradėti bendradarbiauti jau dabar. Pandemijos metu reguliuotojai įrodė, kad gali judėti kartu ir vienodai. Ši bendradarbiavimo forma turėtų tapti norma ir remtis esama pasauline architektūra, tokia, kaip Tarptautinė vaistų reguliavimo institucijų koalicija, kuri remia reguliuotojus, dirbančius mokslo klausimais.
Antra, valdymo metodai turi būti pritaikomi. Išankstinio licencijavimo etape reguliavimo smėlio dėžės (kur įmonės tikrina produktus ar paslaugas, prižiūrimos reguliavimo institucijos) padėtų sukurti reikiamą judrumą.
Jos gali būti naudojamos, siekiant nustatyti, ką galima ir reikia padaryti, pavyzdžiui, siekiant užtikrinti gaminio saugą. Tačiau įvairūs rūpesčiai, įskaitant netikrumą dėl įmonių, dalyvaujančių smėlio dėžėse, teisinės atsakomybės, reiškia, kad šis metodas nenaudojamas taip dažnai, kaip turėtų būti. Taigi, pirmas žingsnis būtų išsiaiškinti dalyvaujančių smėlio dėžėse teises ir pareigas. Siekiant užtikrinti, smėlio dėžės turėtų būti naudojamos kartu su „peržiūros“ rinkos leidimo procesu, kuris buvo pradėtas vakcinoms pandemijos metu. Tai apima perspektyvios terapijos įvertinimą per trumpiausią įmanomą laiką, peržiūrint duomenų paketus laipsniškai.
AI sistemų veikimas taip pat turėtų būti nuolat vertinamas po to, kai produktas patenka į rinką. Tai neleistų sveikatos priežiūros paslaugoms patekti į ydingus modelius ir nesąžiningus rezultatus, dėl kurių tam tikros žmonių grupės atsiduria nepalankioje padėtyje. Amerikos maisto ir vaistų administracija (FDA) pradėjo, parengdama konkrečias taisykles, kuriose atsižvelgiama į algoritmų galimybes išmokti juos patvirtinus. Tai leistų dirbtinio intelekto produktus, laikui bėgant, automatiškai atnaujinti, jei gamintojai pateiktų gerai suprantamą protokolą, kaip gali keistis produkto algoritmas, ir tada išbandytų tuos pakeitimus, kad užtikrintų, jog gaminys išlaiko didelį saugos ir efektyvumo lygį. Tai užtikrintų skaidrumą vartotojams ir patobulintų realaus pasaulio našumo stebėjimo bandomuosius projektus.
Trečia, technologijų tiekėjų ir sveikatos priežiūros sistemų bendradarbiavimui reikalingi nauji verslo ir investavimo modeliai. Pirmieji nori kurti produktus, antrieji tvarko ir analizuoja didelės raiškos duomenų rinkinius. Partnerystės yra neišvengiamos ir buvo išbandytos praeityje, su kai kuriomis reikšmingomis nesėkmėmis. IBM Watson, kompiuterinės sistemos paleidimas su didžiule fanfara, kaip „mėnulio šūvis“, padedant pagerinti medicininę priežiūrą ir padėti gydytojams nustatyti tikslesnes diagnozes, atėjo ir praėjo. Daugybė kliūčių, įskaitant nesugebėjimą integruotis su elektroniniais sveikatos įrašų duomenimis, prastą klinikinį naudingumą ir gydytojų bei technologų lūkesčių nesutapimą, buvo mirtini. „DeepMind“ ir „Royal Free Hospital“ Londone partnerystė sukėlė ginčų. Bendrovė be pacientų žinios gavo prieigą prie 1,6 mln. NHS pacientų įrašų ir byla atsidūrė teisme.
Iš šių pavyzdžių sužinojome, kad tokių partnerysčių sėkmė priklausys nuo aiškių įsipareigojimų siekti skaidrumo ir viešosios atskaitomybės. Tam reikės ne tik aiškumo, ką vartotojai ir įmonės gali pasiekti skirtingais verslo modeliais, bet ir nuolatinio bendravimo su gydytojais, pacientais, ligoninėmis ir daugeliu kitų grupių. Reguliavimo institucijos turi būti atviros dėl sandorių, kuriuos technologijų įmonės sudarys su sveikatos priežiūros sistemomis, ir apie tai, kaip bus dalijamasi nauda ir atsakomybe. Triukas bus suderinti visų dalyvaujančių paskatas.
Geras dirbtinio intelekto valdymas turėtų sustiprinti verslo ir klientų apsaugą, tačiau tam reikės lankstumo ir judrumo. Prireikė dešimtmečių, kad supratimas apie klimato kaitą virstų realiais veiksmais, o mes vis dar nedarome pakankamai. Atsižvelgdami į inovacijų tempą, negalime sau leisti sutikti su panašiu pėsčiųjų tempu, naudojant AI.
Effy Vayena yra Šveicarijos universiteto ETH Ciuricho Sveikatos etikos ir politikos laboratorijos profesorė. Andrew Morrisas yra „Health Data Research UK“, mokslinio instituto, direktorius.“ [1]
1. Vayena, Effy, and Andrew Morris. "A bioethicist and a professor of medicine on regulating AI in health care." The Economist, 28 Feb. 2023, p. NA.
Komentarų nėra:
Rašyti komentarą