Проактивная позиция врача спасет искусство медицины
Как врачи, медсестры, стоматологи или любые эксперты в области здравоохранения, мы все слышали плавающие модные слова на темы искусственного интеллекта (AI), машинного обучения (ML) и глубокого обучения (DL). Но не все из нас осознают их возможные последствия. Напротив, но, вообще говоря, большинство людей, особенно миллениалы, похоже, с большим оптимизмом смотрят на роль технологий искусственного интеллекта как коллективного поощрения.
Глубокое обучение - это компонент гораздо более обширной группы технологий, называемой машинным обучением. DL определяет спектр искусственных нейронных сетей среди имитационного обучения. Вот почему глубокое обучение также называют глубоким структурированным обучением или дифференциальным программированием, которое может принимать форму контролируемых, частично контролируемых или неконтролируемых модальностей. Глубокие нейронные сети, сети глубоких убеждений, рекуррентные нейронные сети и сверточные нейронные сети в основном применялись в таких областях, как распознавание речи, обработка естественного языка, компьютерное зрение, распознавание звука, фильтрация социальных сетей, машинный перевод, биоинформатика, дизайн лекарств, медицина. программы анализа изображений, проверки материалов и настольных игр. Каждый компонент методов DL дал результаты, аналогичные человеческому опыту и даже лучше.
В целом концепция машинного обучения следует; что гаджет должен учиться и адаптироваться на опыте и выполнять задачи «умно».
Искусственный интеллект реализует все, что было изучено с помощью машинного обучения, глубокого обучения и других систем, для решения серьезных проблем. В сфере информатики искусственный интеллект (ИИ), также называемый машинным интеллектом, представляет собой не что иное, как способность машин демонстрировать то, что типично для естественного интеллекта, проявляемого людьми и животными.
Утилита искусственного интеллекта, машинное обучение
Сегодня с помощью искусственного интеллекта можно выполнять необычайный спектр задач. Используя ИИ, можно задавать вопросы голосом и получать ответы на многие вопросы, стереотипно не известные всем. Или компьютер может найти данные, которые никогда не придут в голову. Искусственный интеллект, использующий глубокое обучение, предложит краткое изложение чьих-либо данных и предложит другие способы исследования собранной информации. Точно так же ИИ будет распространять информацию, полученную в ответ на предыдущие запросы от других, задававших те же вопросы. Вы получите ответы на экране или прямо во время разговора.
Полезность искусственного интеллекта и глубокого нейронного обучения может показаться потенциально законной и многообещающей, особенно в отношении увеличения качества жизни человека. Тем не менее, в реализме изображаемые сообщения разнообразны. Действительно, в здравоохранении эффективность лечения может быть определена мгновенно, тогда как в розничной торговле инвентаризация предлагается быстро, а в финансовой сфере мошенничество предотвращается, а не просто обнаруживается. В каждом последнем сценарии компьютер эффективно распознает, какая информация необходима, рассматривает взаимосвязь между всеми факторами, формирует ответ и автоматически передает его пользователям. Он предоставляет варианты для последующих запросов и даже выполняет дополнительные заранее определенные задачи с минимальным вмешательством человека, но даже лучше.
Каждая технология AD, ML, DL опирается на набор конечных последовательностей явных, реализуемых компьютером инструкций или алгоритмов, которые часто не раскрываются для общественности. Вследствие всего упомянутого понятие полезности искусственного интеллекта является горько-сладким опытом, поскольку риск и польза от технологии заключены в ее конкретном алгоритме.
Искусственный интеллект обещает подлинное взаимодействие человека с машиной. Это увеличивает человеческий потенциал с кумулятивной точностью. Интеллектуальные машины со временем, используя различные методы машинного обучения, могут понимать запросы независимо от доброго дела или злого подвига.
Искусственный интеллект помогает соединять точки данных и делать выводы независимо от моральных последствий, в то же время он может научиться рассуждать, наблюдать и планировать.
Все усовершенствования от Amazon Alexa до Apple Siri приблизили искусственный интеллект к его первоначальной цели - созданию интеллектуальных машин, которые мы начинаем видеть все больше и больше в нашей повседневной жизни. От рекомендаций на наших любимых сайтах розничной торговли до автоматически созданных тегов к фотографиям в социальных сетях - многие обычные онлайн-услуги работают на основе искусственного интеллекта. Кроме того, благодаря достижениям в области технологий искусственного интеллекта мы видим, что чем больше конфиденциальности выходит за дверь, тем тривиальнее оказывается наша свобода.
Искусственный интеллект в здравоохранении
Искусственный интеллект становится трансформирующей силой в сфере здравоохранения, поскольку ожидается, что он во многих отношениях подорвет здравоохранение.
Ожидается, что искусственный интеллект объединит человеческий разум с разумом машины через интерфейс.
Установление прямой связи между технологиями и человеческим мозгом без использования клавиатур, мышей и мониторов - это современная исследовательская тема, которая находит множество приложений для ухода за пациентами. Например, он возьмет на себя часть ответственности за функции, которые потенциально могут быть нарушены некоторыми неврологическими заболеваниями и травмами нервной системы. Или ИИ будет говорить за пациента, когда он ослаблен; в противном случае переместите его руку, если она парализована.
Следующее поколение искусственного интеллекта будет проводить радиологические чтения.
Радиологические изображения, полученные с помощью аппаратов МРТ, компьютерных томографов и рентгеновских лучей, предлагают неинвазивную визуализацию внутренней работы анатомии человека. Хотя некоторые диагностические процессы по-прежнему основаны на прямом отборе образцов ткани или биопсии ткани, чтобы нести риск инфекции и кровотечения, ИИ позволит сделать следующее поколение радиологических аппаратов достаточно тщательным, чтобы исключить необходимость диагностической биопсии в отдельных случаях.
Искусственный интеллект делает возможным «виртуальную биопсию», продвигая инновационную область «радионики». Следующая наука подчеркивает использование алгоритмов на основе изображений для изображения фенотипов и генетических свойств опухолей.
Искусственный интеллект обеспечит максимальное качество медицинской помощи малообеспеченным и сельским общинам.
Нехватка квалифицированных врачей, в том числе техников-радиологов и радиологов, может потенциально ограничить доступ к жизненно важной помощи в развивающихся сообществах по всему миру.
Искусственный интеллект может помочь смягчить последствия серьезного дефицита квалифицированного клинического персонала, взяв на себя некоторые обязанности, обычно возлагаемые на людей.
Электронные медицинские записи (EHR) могут быть более эффективными при использовании соответствующих алгоритмов искусственного интеллекта.
Электронные медицинские карты играют более активную роль в стремлении отрасли здравоохранения к созданию документации и медицинских информационных технологий для экономического и клинического здоровья (HITECH). Однако переход к оцифровке медицинских записей столкнулся с бесчисленными проблемами, от когнитивной перегрузки, постоянного документирования до выгорания врачей.
В настоящее время индустрия HITECH использует искусственный интеллект и глубокое обучение для создания более интуитивно понятных интерфейсов за счет автоматизации некоторых формальных правил, которые занимают большую часть времени врача. Скорее всего, машинное обучение и искусственный интеллект могут дополнительно поддерживать подготовку обычных запросов из почтового ящика, таких как пополнение запасов лекарств и результаты уведомлений. Это может дополнительно помочь в расстановке приоритетов в задачах, которые действительно требуют осведомленности врача.
Искусственный интеллект превратит медицинское устройство в автономно функционирующего робота.
Инновационные медицинские устройства заполняют пользовательскую среду, позволяя все, от видео в реальном времени из внутренней части кишечника до распознавания выражения лица для ранней диагностики аутизма.
В медицинских учреждениях интеллектуальные машины контролируют пациентов в различных спектрах сценариев, от интенсивной терапии до ухода на дому. Используя искусственный интеллект, врачи получат возможность выявлять множественные ухудшения патологий. Например, если сепсис неизбежен, или выявить развитие осложнений до того, как он произойдет, что значительно улучшит клинические результаты и снизит расходы, связанные с потерями в больнице.
Искусственный интеллект может помочь предотвратить риски устойчивости к антибиотикам.
Устойчивость к антибиотикам представляет собой растущую опасность для населения экосферы. Чрезмерное употребление этих основных лекарств способствует развитию определенных штаммов бактерий, которые не реагируют на будущие методы лечения.
Точный анализ патологических изображений
Сегодня патологические образцы представляют собой более 70% источников диагностических данных для врачей, оказывающих медицинскую помощь. И почти все извлеченные данные широко доступны в системах электронных медицинских карт. Таким образом, чем точнее мы станем и чем раньше мы поставим правильный диагноз, тем лучше мы будем, делая цифровую патологию, данные и искусственный интеллект бесценной возможностью для оказания более качественной медицинской помощи.
Алгоритмы глубокого обучения и аналитика искусственного интеллекта позволяют детализировать большие цифровые изображения с мельчайшей точностью, что позволяет врачам выявлять тонкости, которые могут не заметить человеческий глаз. Искусственный интеллект может еще больше повысить продуктивность, выявляя вызывающие озабоченность особенности в патологических препаратах до того, как клиницист-человек изучит данные.
Глубокое обучение и искусственный интеллект неоценимы для иммунотерапии и лечения рака на основе генома.
Иммунотерапия - одно из самых поразительных достижений в лечении рака. Он учит и использует иммунный ответ организма для борьбы с злокачественными новообразованиями. Алгоритмы глубокого обучения и апшоты искусственного интеллекта способствуют синтезу очень сложных наборов данных, которые формулируют точные решения для целевого лечения в направлении единственной генетической структуры отдельного рака.
Искусственный интеллект может усилить стратификацию риска для пациента путем преобразования электронной истории болезни.
Медицинские карты пациента - это кладезь личных данных, однако получение и анализ такого объема информации точным, своевременным и последовательным образом является постоянной проблемой для врачей и аналитиков данных.
Проблемы с качеством и целостностью данных, а также сочетание настроек данных усложняют задачу. Более того, независимо от того, структурированы ли входные данные или нет, наряду с записями о неполноте, понимание того, как участвовать в значимой стратификации рисков, прогнозировать аналитику и поддерживать принятие клинических решений, чрезвычайно затруднено.
Аналитика EHR позволила создать множество успешных инструментов оценки рисков и стратификации. Тем не менее, среди всего прочего, исследователи применяют методы DL для классификации уникальных ассоциаций между, казалось бы, нерелевантными наборами данных.
Мониторинг состояния здоровья с помощью носимых устройств еще больше улучшен с помощью интеллектуальных машин.
С ростом доступности носимых устройств, которые используют датчики для сбора ценных данных о здоровье потребителей и передачи через смартфоны, их полезность становится более чем когда-либо неизбежной. Например, с помощью шаговых трекеров можно постоянно отслеживать пульс. Короче говоря, благодаря внедрению такой технологии растущая часть данных, связанных со здоровьем, создается на ходу.
Сбор и анализ медицинской информации и дополнение ее данными, полученными от пациентов с помощью приложений и других устройств домашнего мониторинга, могут внести непревзойденный взгляд на благополучие человека и населения. Таким образом, искусственный интеллект может сыграть важную роль в извлечении практических идей из этого огромного и бесконечного сокровища данных.
Селфи на смартфоне - будущий инструмент для клинического обследования
Используя потенциал портативных устройств, эксперты полагают, что изображения, полученные со смартфонов и других источников потребительского уровня, станут важным дополнением к визуализации клинического качества, особенно в группах населения с недостаточным уровнем обслуживания или в развивающихся странах.
Качество камер сотовых телефонов растет с каждым годом, поскольку они могут давать жизнеспособные изображения для анализа с использованием алгоритмов искусственного интеллекта. Такие технологии хорошо известны современной дерматологии и офтальмологии.
Британские исследователи даже разработали средство, позволяющее определять аномалии развития путем анализа изображений лица ребенка в утробе матери.
Искусственный интеллект революционизирует методы диагностики, которые врачи проводят.
По мере того как отрасль здравоохранения уходит от системы возмещения платы за услуги к модели компенсации, основанной на заслугах, она движется все дальше и дальше от «реактивного ухода» к лечению уже проявившегося заболевания и устранению проблемы до появления симптомов. отсюда и «проактивный уход». Искусственный интеллект заложит основу для этой диагностической революции, поддерживая инструменты прогнозной аналитики и клинических суждений, которые будут предупреждать врачей о препятствиях задолго до того, как они в противном случае осознают необходимость решения.
Что полезно в глубоком обучении
Глубокое обучение несет в себе ценный потенциал для реальных приложений. Традиционно машинное обучение описывало методы обучения, с помощью которых изображения, используемые для обучения программы, были помечены именем изображения.
Традиционная схема машинного обучения обычно использует фотографию и сопоставляет ее с тегом, включенным в изображение. Последний метод машинного обучения называется «обучением с учителем».
Вы помните, как добавляли к своей фотографии или фотографии друга их имя в сообщениях Facebook? - Таким образом ML узнает лицо человека, идентифицирует его среди всех остальных и сопоставляет его с другими идентифицирующими факторами в Интернете для будущей аутентификации и идентификации.
Обучение с учителем происходит быстро и требует сравнительно меньшей вычислительной мощности, чем некоторые другие методы обучения, используемые в машинном обучении. Однако для реальных приложений у него есть существенный недостаток. Каждый день огромный объем информации о людях собирается из социальных сетей, контрактов на обслуживание оборудования и программного обеспечения, авторизации приложений и файлов cookie веб-сайтов.
Интеллектуальный анализ данных с помощью машинного обучения или сбор личной информации важны для предприятий на всех уровнях с различными программами. Проблема в том, что все указанные данные не помечены и не могут использоваться для обучения программам машинного обучения, которые зависят от обучения с учителем. Потому что для того, чтобы пометить или пометить данные, по-прежнему требуется помощь человека, а это трудоемкий и дорогостоящий процесс.
Сети глубокого обучения могут обойти традиционные недостатки машинного обучения, поскольку они используют так называемое «обучение без учителя». DL не требует маркировки данных или тегов. Несмотря на то, что изображения не имеют названия «Тег», глубокие нейронные сети все равно научатся идентифицировать человека.
Возможность учиться на немаркированных или неорганизованных данных - огромное преимущество для тех, кто интересуется реальными приложениями. Глубокое обучение открывает сокровищницу больших неструктурированных данных для тех, у кого есть воображение, чтобы использовать их.
Искусственный интеллект и глубокое обучение, если они используются, могут дополнять индивидуальное медицинское обслуживание.
Тысячелетнее видение врачей и здравоохранения 21-го века по-прежнему направлено на поддержание гиппократической персонализированной медицины при одновременном обеспечении качественного медицинского обслуживания с использованием самых современных технологий. Одновременно с этим медицинское сообщество теряет рассудок из-за быстрого переворота священных клинических суждений в пользу неуклонной алгоритмической помощи пациентам, основанной на протоколах. Старомодная модель здоровья населения - одна из причин такого курса. Но искусственный интеллект, если его получить с помощью прозрачных и подотчетных методов, может заложить основу для персонализированной системы здравоохранения. Технология глубокого обучения может узнать все о пациенте с момента его рождения и сохранить это децентрализованно (с использованием технологии блокчейн), не подвергая личную информацию альтернативному использованию. Данные, собранные и хранимые отдельным пациентом, врачом или любым другим пользователем в качестве единственного владельца их данных, смогут воспользоваться преимуществами неконтролируемой технологии DL, чтобы помочь им воспользоваться преимуществами индивидуального ухода, в котором они хотят нуждаться. Централизованная обработка больших данных принесет пользу другим отраслям и еще больше загрязнит и без того несовершенную модель здоровья населения.
Искусственный интеллект позволит врачам адаптировать лечение к потребностям пациента.
Принцип здоровья населения не отвечает потребностям пациента. Глубокое обучение будет изучать каждую индивидуальную потребность в соответствии с их ожиданиями и требованиями, таким образом, с помощью ИИ будет давать рекомендации как врачу, так и пациенту наилучшим образом.
Плохой искусственный интеллект
Современное общество либерально относится к публичной цифровой информации. Но последствия такой наивности своего отношения граждане все равно будут постигать, но только на собственном горьком опыте. Например, в конечном итоге они поймут, насколько ценно то, что они подвергают опасности, и как этим злоупотребляют или используют против них. Прежде всего, люди, в конце концов, поймут, что, несмотря на публичные заверения со стороны гигантских социальных сетей и технических магнатов, их данные - это не только тайное оружие против них, но и цифровая наличность, которую они могут положить обратно в свой карман. Вместо этого личные данные косвенно превращаются в оружие и отмываются в глобальном масштабе. Тем не менее, будем надеяться, что еще не поздно; мы все признаем упомянутых ранее.
Они говорят, что на Facebook пользователи становятся все более и более сдержанными в отношении того, с кем они и какими данными делятся, но с использованием методов неконтролируемого глубокого обучения даже дискретность будет отменена, если люди не перестанут использовать Facebook вообще.
Точно так же, правда, пациенты склонны доверять своим врачам больше, чем они могли бы поверить в такую большую компанию, как Facebook, что может помочь облегчить дискомфорт, связанный с предоставлением данных для крупномасштабных исследовательских инициатив, но что хорошего в том, если данные хранятся централизованно. Гигантская компания HITECH - единственный держатель «больших данных» ?!
Потеря рабочих мест из-за автоматизации
Хотя искусственный интеллект, заменяющий человеческие рабочие места, вызывает большие споры, это наименьшая из всех проблем. ИИ действительно заменит определенные типы рабочих мест во многих отраслях, а не только те, которые требуют предсказуемых и повторяющихся задач. Тем не менее, несомненно, срыв уже начался.
Нарушение конфиденциальности
Недобросовестное использование ИИ может угрожать цифровой безопасности различными способами - неминуемая угроза. Тренировка машин для взлома или социальной инженерии жертв вызывает серьезную озабоченность. Кроме того, негосударственные субъекты, использующие беспилотные летательные аппараты или направленные на устранение неприкосновенности частной жизни, слежение, профилирование, репрессии, автоматизированные и целевые кампании дезинформации - вот лишь некоторые из множества случаев злоупотреблений, с которыми мы можем столкнуться, отказываясь видеть тенденцию.
Deepfakes с использованием глубокого обучения
Точно так же аудио и видео создаются путем манипулирования голосами и подобиями. Deepfakes уже производит фурор. Использование машинного обучения и глубокого обучения потенциально потребует обработки естественного языка; аудиоклип любого конкретного политика может быть испорчен, чтобы создать впечатление, будто этот человек извергает расистские взгляды, хотя на самом деле они не произносили ничего подобного.
Социально-экономическое неравенство и алгоритмическая предвзятость из-за недостатка данных
Растущее социально-экономическое неравенство может быть хорошо продумано, если использование искусственного интеллекта является серьезной проблемой. Работа долгое время была не только образованием, но и движущей силой социальной мобильности. Тем не менее, когда это определенный вид работы, предсказуемая, повторяющаяся природа, склонная к захвату ИИ, исследования показали, что те, кто оказывается в затруднительном положении, гораздо менее склонны проходить переподготовку или стремиться к ней, чем те, кто находится на более высоких должностях. у которых больше денег.
Пагубны различные формы смещения ИИ, равно как и смещения данных и алгоритмов. Последнее может «усилить» первое.
Нам всегда нужно помнить; Искусственный интеллект - продукт человека, и люди находятся под его влиянием. Исследователи искусственного интеллекта просто происходят из определенных расовых демографических групп, выросших в районах с высоким социально-экономическим положением. Ученые - это в первую очередь люди без инвалидности из относительно однородного населения. Таким образом, этим людям трудно эффективно взаимодействовать с разнообразием общества и их разнообразными проблемами.
Корень всех предубеждений в процессе от интеллектуального анализа данных до глубокого обучения и, в конечном итоге, искусственного интеллекта является социально и экономически мотивированным. Потому что технология является производным от того, что проектируют люди, поэтому из-за иллюзии объективности и жадности ученые и руководители становятся одними из самых коварных людей в мире.
Автоматизация оружия
Искусственный интеллект может быть опаснее бомб. Важно то, стоит ли начинать глобальную гонку вооружений искусственного интеллекта или предотвратить ее распространение в будущем. Если какая-либо значительная военная мощь приобретет разработку оружия искусственного интеллекта, глобальная гонка вооружений станет практически предсказуемой. Конечная точка этой технологической траектории очевидна, поскольку автономное оружие станет оружием завтрашнего дня.
В отличие от ядерного оружия, ИИ не требует дорогостоящего или труднодоступного сырья. Они станут повсеместными и недорогими для массового производства для всех значительных военных держав. Появление интеллектуального роботизированного оружия на черном рынке и в руках радикалов, диктаторов, желающих контролировать свои массы, тиранов, желающих совершить этническую чистку, и т. Д. Будет лишь вопросом времени.
Самоуправляющиеся вооружения безупречны для таких задач, как подрыв страны, убийства, умиротворение населения. Военная война с использованием искусственного интеллекта не будет многообещающей для человечества. Есть много способов, с помощью которых искусственный интеллект может сделать поля боя более безопасными для людей, в основном для гражданского населения, без разработки новых инструментов для убийства людей. Но опять же, предлагаемый бюджет Вооруженных сил США на 2020 год составляет 718 миллиардов долларов. Из указанной суммы почти 1 миллиард долларов будет направлен на поддержку ИИ и машинного обучения для таких вещей, как логистика, анализ разведки и вооружение. ИИ может еще больше усилить выборочное убийство определенной этнической группы.
Искусственный интеллект и большие данные для корпораций - пища для единственной метафоры трансформеров.
Исторически корпорации пользовались щедростью личности, коллективным влиянием денег и технологий своих акционеров. Сегодня, используя ИИ, корпоративные картели проявляют способность читать человеческий разум, получать доступ к своей личной информации, не нарушая ни единого закона. Тем не менее, потери людей на все коллективные действия отраслей реальны.
Индустрия искусственного интеллекта заменяет врача
Преобладает концепция, особенно в индустрии HITECH, что машины в конечном итоге заменят врачей. Хотя это может быть правдой, это далеко от мудрости. Беспорядочная полезность машинного обучения и искусственного интеллекта подавляюще сказывается на практике врачей и влияет на качество помощи, которую пациент получает от своего поставщика. Создание технологии, которая будет использовать заранее написанный алгоритм с помощью бизнес-аналитики или машинного обучения, в первую очередь предназначенную для сбора данных из различных источников, - это растущая и пугающая тенденция не только с точки зрения бизнеса, которая будет иметь такую же ценность, как золотая лихорадка нашего века, но и с точки зрения качества и использования, что напрямую связано с уходом за пациентами.
Уродство машинного обучения и искусственного интеллекта
Индустрия данных, большие данные и многое другое, информация о здоровье превратилась в двигатель печати денег для каждого сектора. Одна только информация о здоровье превратилась в рынок на триллионы долларов. Компании-разработчики программного обеспечения убеждают граждан, что данные зашифрованы, поэтому недоступны даже для их сотрудников. Но ИИ дал им возможность использовать общедоступные данные любым удобным для них способом. Параллельно с развитием технологий глубокого обучения концепция свободы Интернета и сетевого нейтралитета становится все более и более устаревшей.
Эмпатический перенос
Люди увлечены поиском способов научить машину выражать полное сочувствие, как и люди. Концепция эмпатического переноса - это уродливый образ человека, который пытается удовлетворить давнее истерзанное эго.
Дисбаланс между стратегией и тактической миссией многих отраслей оказался следствием искушения золотой лихорадки больших данных, уводящей отрасль от их видения и первоначально заявленной миссии. Последнее было еще больше улучшено за счет достижений в схемах глубокого обучения.
Искусственное осеменение и генетическое профилирование
Искусственный интеллект, большие данные в настоящее время используются в искусственном оплодотворении, донорских яйцеклетках и генетическом профилировании с определенными плюсами и минусами. Последний сказал, что он специфичен для науки, техники, а также культурных и этических приложений. При коллективном применении их влияние на постоянство социальных норм экспоненциально пагубно. Мы просто входим в пространство, где сохранение анонимности, уважение частной жизни и предотвращение серьезных социальных, психологических, этических и юридических споров будет сложной задачей. Если не будут реализованы фундаментальные решения в отношении алгоритмов AI и DL, эпоха отцовской анонимности скоро закончится. Между банками спермы, вынужденными нарушить правила соглашения о конфиденциальности со своими донорами, растущим рынком генетического тестирования, а также прибыльной корпоративной финансовой выгодой; Сохранение конфиденциальности доноров и идентичности потомков обречено стать непрекращающейся задачей.
Почему так важно владеть алгоритмами
Сострадание, сентиментальность, сочувствие - все это важные части процесса исцеления и лечения. Но хотя вы можете научить компьютеры действовать эмпатически, это всегда будет далеки от истинных человеческих эмоций; вот почему искусственный интеллект никогда не заменит роль врача. Тем не менее, это не отменяет того факта, что врачи не должны приспосабливаться к постоянным изменениям, происходящим вокруг них.
Искусственный интеллект здесь и, скорее всего, останется. Врачи могут закрывать глаза на технологический прогресс, особенно на алгоритмы DL, или брать на себя ответственность за свою область. Если они выберут прежнюю позицию, врачи потеряют свою работу и священный долг перед пациентами перед отраслями и людьми, которые мало или совсем не знают об уходе за пациентами.
Врачи должны реформировать свою практику медицины. Они должны согласовывать и направлять то, как они ухаживают за пациентом, на правильный путь, используя самые современные инструменты, проверенные и протестированные врачами для медицинского сообщества.
Алгоритмы ИИ должны быть прозрачными, а архитекторы - подотчетными.
Также важно поддерживать прозрачность алгоритмов, если врачи и медицинское сообщество обеспечивают качественную медицинскую практику. Поскольку доверять технологиям - это не что иное, как доверять их дизайнерам, это верно и для искусственного интеллекта и машинного обучения.
Подотчетность - необходимость; Однако, чтобы заявить о виновности искусственного интеллекта, мы должны сначала реализовать надлежащие инициативы по обеспечению прозрачности. Самое главное, врачи должны требовать такой прозрачности и требовать подотчетности, если они сами не несут ответственности. Последнее является олицетворением перемен, ожидаемых от врачебного сообщества.
Юридическое сообщество, особенно адвокаты, сталкивается с теми же проблемами, что и врачи; тем не менее, они, похоже, эффективно сохраняют право собственности на свои алгоритмы искусственного интеллекта. Все поверенные коллективно установили, что конфликт интересов угрожает правовой системе в виде финансовой выгоды по сравнению с допуском не-юристов к владению или инвестированию в юридические фирмы. С технической точки зрения противники последнего правила особенно озабочены валидацией своей технологии. Неправильная проверка и надзор могут привести к тому, что некоторые юридические действия будут более легкими для юристов.
Что врачи должны знать об искусственном интеллекте
Рост технологий здравоохранения - главный фактор разрыва между врачами и их сферой деятельности и наоборот. У компаний, не относящихся к сфере здравоохранения, есть альтернативные мотивы, поэтому добыча полезных ископаемых для ценных пациентов и врачей. Использование глубокого обучения для сбора информации о пациентах уже началось. Как упоминалось ранее, интеллектуальный анализ больших данных жизненно важен для предоставления доступа к обширному пулу данных, необходимому для роботизированной медицины и искусственного интеллекта. Кроме того, все это необходимо для того, чтобы заменить в перспективе человеческий фактор.
Абсолютно необходимо, чтобы алгоритмы обеспечивали тактическое медицинское обслуживание, как и предполагалось, без каких-либо стратегических обязательств по изменению корпоративных интересов в сторону финансовой выгоды.
Врачи могут только гарантировать адаптируемость алгоритмов глубокого обучения к индивидуальным обстоятельствам, создавая их так, чтобы они подчинялись врачам, а не независимым провайдерам.
Медико-правовые риски искусственного интеллекта и глубокого обучения могут быть вредными для врачей, если их не осознавать. Таким образом, ценный ИИ должен определять конкретную точку отсчета для стандарта оказания медицинской помощи с точным сценарием, временем, местом и человеком.
С помощью пациентов врач должен пересмотреть каждый случай и обладать юридической, этической и организованной властью отменять вердикт путем взаимного индивидуального подхода. Если не решить проблемы пациента в рамках медицинского стандарта обслуживания, лечащий врач потенциально может понести юридическую ответственность, если что-то пойдет не так.
Изменение отношения спасает врачей от независимости.
К сожалению, профессия врача опирается на самодельные привычки. Привычная практика врачей сформировала культуру и практику найма персонала, которые соответствуют этим личным привычкам. Но распорядок дня необходимо изменить, что, если не повернуть вспять, еще больше отключит врачей от современного мира.
В рамках всего спектра реформы отношения врачи должны использовать искусственный интеллект и технологии глубокого обучения, точно так же, как они применяли стетоскопы и рентгеновские лучи в прошлые века. Врачи должны понимать его полезность и опасность. Они могут только перенимать передовой опыт, сохранять независимость, обеспечивать безопасность пациентов и продвигать современное персонализированное медицинское обслуживание.
Инвестор, ориентированный на данные, изначально опубликовал эту статью.
