Не ждите, что в следующий раз, когда вы посетите кабинет врача, вас будет лечить роботизированный врач. Компьютеры и алгоритмы могут подсказывать нам, что смотреть, что покупать и кого добавлять в социальные сети, но исследования показывают, что искусственный интеллект в здравоохранении в ближайшее время не заменит врачей- людей.
Однако это может помочь заменить запутанные документы, длительное время ожидания, неправильные диагнозы и другие нежелательные элементы медицинского обслуживания более благоприятными. ИИ также может помочь врачам-людям расширить свою практику для лечения большего числа пациентов и дать им возможность оказывать более индивидуализированный и эффективный уход отдельным пациентам.
Да, даже в 2021 году дискуссии об ИИ и автоматизации в здравоохранении, как правило, сосредоточены на потенциале, перспективах и возможностях. В конце концов, большинство возможностей для применения ИИ в этой области еще впереди — главным образом потому, что для широкого внедрения в этой сфере еще предстоит преодолеть ряд серьезных препятствий. До тех пор, пока это не произойдет, эта преобразующая технология будет обсуждаться в контексте того, что могло бы быть (а не того, что есть).
В Shaip мы хотим изменить подход к обсуждению, помогая командам разработчиков ИИ преодолевать эти препятствия. Мы любим говорить о том, каким может быть будущее ИИ в здравоохранении, но еще больше нам нравится создавать это будущее. Однако, прежде чем углубиться в то, как мы это делаем, давайте на мгновение сосредоточимся на настоящем.
ИИ не просто готов навсегда изменить здравоохранение; это уже есть. Хотя эта технология все еще относительно нова, она пронизывает почти все аспекты современной системы здравоохранения:
- В клинических условиях врачи используют инструменты визуализации с использованием искусственного интеллекта с расширенными возможностями распознавания образов для изучения результатов компьютерной томографии, МРТ и других типов визуального анализа, что позволяет им быстрее и точнее обнаруживать заболевания и диагностировать травмы.
- В классе инструменты машинного обучения помогают студентам получить более глубокое представление о человеческом теле, чем когда-либо прежде, и дают им возможность создавать новые решения с реальными приложениями.
- В лаборатории исследователи используют сложные программы для сопоставления новых формул лекарств с уже известными как безопасные лекарства. Затем они могут копировать и повторять их, чтобы в рекордно короткие сроки разработать противоядия и вакцины.
- Администраторы и руководители используют приложения искусственного интеллекта для создания более интуитивно понятного и эффективного взаимодействия с пациентами, которое одновременно увеличивает доходы поставщиков и обеспечивает более качественное лечение пациентов. У этого списка нет конца.
Поскольку вы читаете это, вы, вероятно, уже понимаете, что влияние ИИ на нашу систему здравоохранения огромно — и оно будет только расти. Учитывая бесчисленное множество разнообразных участников этого сектора, количество задач, которые потенциально могут решить решения на основе ИИ, кажется бесконечным.
Шайп здесь, чтобы помочь воплотить эти решения в жизнь. Наши услуги позволяют предприятиям и предпринимателям создавать преобразующие технологии искусственного интеллекта в области здравоохранения, которые могут решать реальные проблемы в больших масштабах, устраняя некоторые из самых серьезных препятствий на своем пути. А для команд, работающих в сфере здравоохранения, их предостаточно.
Блокпосты и красные флажки
Хотя возможности искусственного интеллекта в здравоохранении никогда не были столь велики, настоящая интеграция технологии в монолитную систему здравоохранения будет сопряжена с трудностями. Возможно, нет ничего более значительного, чем нормативные препятствия, которые отличают медицину от других отраслей, в которых внедрение произошло быстрее.
Прошло почти четверть века с тех пор, как Конгресс принял Закон о переносимости и подотчетности медицинского страхования (HIPAA), но этот же закон по-прежнему регулирует порядок обработки данных пациентов медицинскими учреждениями в 2021 году. К сожалению, он все чаще порождает больше вопросов, чем ответов для врачей, пациентов и предпринимателей, стремящихся создавать новые медицинские технологии. Более того, требования HIPAA теперь сходятся с более новыми нормативными актами, касающимися персональных данных (PII), такими как Общий регламент защиты данных Европейского союза (GDPR), Закон Сингапура о защите персональных данных (PDPA) и Закон Калифорнии о защите конфиденциальности потребителей (CCPA), который представляет собой первый всеобъемлющий закон, регулирующий использование данных в Соединенных Штатах.
Резкий рост требований к телемедицине, сопровождавший пандемию COVID-19, лишь усугубил проблемы с регулированием . Во-первых, многие пациенты получают дистанционное лечение через платформы, не соответствующие стандартам HIPAA, что может сделать их уязвимыми для угроз конфиденциальности. Даже соответствующие требованиям платформы представляют риски, поскольку они могут раскрывать конфиденциальную информацию о пациентах в целях получения прибыли . Рост спроса на виртуальную медицинскую помощь привел к появлению множества цифровых услуг, выходящих за рамки первоначального действия HIPAA, и вынудил крупные технологические компании, такие как Facebook, Alphabet, Amazon и Microsoft, выйти на этот рынок , внедрив новые инновации, а также необходимость в дополнительном надзоре.
Для регулирующих органов обеспечение соблюдения в рамках этой сложной системы полномочий становится все труднее, поскольку данные используются по-новому и все большим числом участников. Аналогичным образом, для команд, надеющихся создать и развернуть технологии на базе искусственного интеллекта в сфере здравоохранения, обеспечение соответствия этих инструментов существующим стандартам требует нормативных знаний, которые довольно просто найти.
Также сложно найти? Качественные медицинские данные. Регулирование может помешать широкому распространению некоторых новых технологий, но без качественных данных инструменты на основе ИИ даже не пройдут стадию разработки.
Недавнее исследование , опубликованное в журнале Американской медицинской ассоциации, показало, что географическое распределение пациентов, данные которых используются для обучения алгоритмов машинного обучения, в основном ограничено несколькими штатами, а именно Калифорнией, Нью-Йорком и Массачусетсом. Учитывая экономические, социальные, поведенческие и другие характеристики, которые эти пациенты могут разделять друг с другом, но не со всей страной, алгоритмы, обученные на этих данных, могут плохо обобщать результаты. Эту проблему можно решить с помощью более разнообразных наборов данных, но, опять же, данные трудно получить. После получения их также трудно организовать, что является еще одним важным шагом для разработчиков технологий машинного обучения.
Многие компании вкладывают значительные средства в поиск или создание данных для своих алгоритмов, а затем тратят еще больше на оплату услуг аннотаторов для их разметки. Как и в случае с чрезмерно однородными наборами данных, данные, которые не были должным образом размечены и обработаны, приведут к тому, что программы ИИ будут генерировать предвзятые и неточные результаты, создавая проблемы, которые трудно исправить. К сожалению, эти проблемы будут оставаться обычным явлением для команд, работающих над технологиями ИИ в здравоохранении. Исследование Gartner показывает, что до 8,5 % проектов ИИ будут давать ошибочные результаты из-за предвзятости в управлении данными до 2022 года.
Опять же, существует множество других проблем, связанных с созданием приложений искусственного интеллекта для здравоохранения, как известных, так и неизвестных. По мере того, как все больше разработчиков входит в сферу деятельности и все больше поставщиков услуг сталкиваются с решениями о том, следует ли добавлять решения на основе искусственного интеллекта в свои стратегии лечения пациентов, эти проблемы становятся все более серьезными. Хотя препятствия неизбежны, когда вы пытаетесь создать полезные, преобразующие инструменты с использованием новых технологий, Shaip помогает командам преодолеть многие из самых серьезных препятствий, с которыми в настоящее время сталкиваются разработчики в этой области.
Как Шайп способствует прогрессу ИИ в здравоохранении
Shaip предлагает набор решений, разработанный специально для команд, работающих над приложениями искусственного интеллекта в здравоохранении. Вместе они могут помочь вам получить значительную и разностороннюю окупаемость ваших инвестиций и создать масштабируемые продукты, которые окажут действительно долгосрочное влияние на отрасль.
Полностью управляемый сбор данных
Чтобы создавать приложения, которые действительно могут быть полезны для организаций здравоохранения, команды должны создавать решения, которые последовательно обеспечивают точные и непредвзятые результаты. Конечно, вы могли слышать о технологиях искусственного интеллекта, которые точно обнаруживают и диагностируют заболевания, но обычно это происходит в сценариях, где используются искусственные ограничения для контроля известных ограничений обучения, таких как отсутствие актуальных качественных данных. Если вы надеетесь разработать продукт, который получит широкое распространение в реальных клинических условиях, он должен обеспечивать оптимальные результаты в широком диапазоне сложных обстоятельств. Другими словами, вам понадобится много надежных данных мирового класса для обучения ваших алгоритмов.
Полностью управляемые службы сбора данных Shaip гарантируют, что у вас будут нужные данные тогда, когда они вам понадобятся. Благодаря нашему собственному мобильному приложению, запатентованной веб-платформе и опытным внутренним проектным группам мы можем получать данные практически из любой комбинации возрастных групп, демографии и образования. В нашем процессе непрерывного сбора данных участвуют эксперты в данной области из области здравоохранения, чтобы гарантировать соответствие получаемых вами данных высочайшим стандартам качества и надежности. Помимо идентификации, профилирования и поиска данных, мы также заботимся об очистке и подготовке данных, позволяя вашей команде сосредоточиться на других важных действиях.
Множественные форматы данных
Мы можем предоставить разнообразный набор данных, включающий изображения, видео, аудио и текст, для работы широкого спектра моделей искусственного интеллекта.
Текст:
В Shaip работают сотни опытных профессионалов, которые могут аннотировать данные практически для любого типа текстовых данных, от заметок врача до страховых возмещений, что дает вам возможность получить информацию, которая в противном случае осталась бы скрытой в неструктурированных наборах данных. Кроме того, наша интуитивно понятная настраиваемая облачная платформа позволяет вам адаптировать аннотации для конкретных случаев использования и получать информацию о конкретной предметной области для информационного обеспечения разработки технологий.
аудио:
Shaip имеет проверенный опыт создания и оптимизации высокофункционального диалогового ИИ, чат-ботов и голосовых ботов. Благодаря нашей всемирной сети квалифицированных лингвистов и команде, способной собирать и аннотировать объемы аудиоданных, включая незашифрованные разговоры между врачами и пациентами, высказывания и слова для пробуждения, монологи и другие типы речи, мы можем помочь вам тренировать речь -активировать приложения быстро и эффективно.
Изображение:
Наши наборы данных для обучения изображений анализируются с использованием комбинации хирургически точных ручных процессов и новейших технологий для приложений, которые зависят от сложного компьютерного зрения и возможностей распознавания образов. И мы не просто предоставляем данные; мы также можем помочь вам разработать алгоритмы машинного обучения мирового класса для создания решений, которые могут распознавать человеческие лица, продукты питания, документы, изображения медицинских лабораторий, геопространственные изображения и другую визуальную информацию.
Видео:
Наши люди, опыт и технологии позволяют нам выполнять практически любые требования к видеоаннотациям. Лучше всего у нас получается отслеживание объектов: покадровое аннотирование видео, чтобы научить компьютеры распознавать определенные объекты с помощью машинного обучения. Независимо от того, создаете ли вы роботизированное оборудование с поддержкой ИИ для помощи врачам в клинических условиях или приложения, которые улучшают взаимодействие между пациентами и медсестрами во время сеансов телемедицины, мы можем помочь.
Гарантия соответствия
Защита информации о пациентах имеет решающее значение для разработки жизнеспособных медицинских приложений с искусственным интеллектом. Однако для сбора достаточного количества данных требуется время, а для деидентификации этой информации требуется еще больше. Когда ваша цель - создать, протестировать и развернуть новую технологию, времени не хватает.
Shaip предоставляет лицензированные медицинские данные , чтобы облегчить работу командам, разрабатывающим модели ИИ для анализа текстовых медицинских карт пациентов, изображений КТ, рентгеновских снимков (и других визуальных диагностических материалов), записей врачей и десятков других типов данных. С помощью API Shaip вы получаете доступ по запросу к этой постоянно пополняющейся библиотеке обезличенных записей и качественных контекстуализированных медицинских данных (включая более 10 миллионов наборов данных, полученных из более чем 60 различных мест по всему миру), которые соответствуют всем стандартам HIPAA и Safe Harbor (включая удаление всех 18 идентификаторов, указанных в этих рекомендациях). Для команд, которым необходимы более комплексные услуги, мы можем масштабировать обезличивание данных в рамках нескольких регулирующих юрисдикций.
Поскольку мы являемся лидером отрасли в области деидентификации, маскирования и анонимности данных, конфиденциальность пациентов лежит в основе наших решений. Мы обеспечиваем экспертную сертификацию и аудит качества деидентификации и соблюдаем всеобъемлющие правила аннотации личной медицинской информации (PHI) в соответствии со стандартами Safe Harbor. Точно так же платформа ShaipCloud позволяет вам получать доступ к вашим данным в безопасной среде, что еще больше снижает риск несоблюдения требований.
Давайте двигаться вперед вместе
В Shaip мы понимаем огромный потенциал ИИ для улучшения практически всех аспектов существующей системы здравоохранения, и мы рады поделиться своим опытом с организациями, работающими над раскрытием этого потенциала. Мы также хорошо знакомы с уникальными проблемами, с которыми сталкиваются эти организации, и все наши услуги разработаны с учетом этих проблем.
Если вы работаете в команде над решениями для здравоохранения на основе технологий искусственного интеллекта и машинного обучения , мы будем рады помочь вам продвинуть вашу инициативу. Наш опыт охватывает весь жизненный цикл разработки ИИ, и мы работали над проектами практически любого масштаба — нам еще не встречалось ни слишком больших, ни слишком маленьких проектов. Если вам нужна дополнительная информация, свяжитесь с нами сегодня.
