Maraming mga dimensyon ng modernong buhay ang nagiging pinapatakbo ng artipisyal na katalinuhan, kabilang ang iba't ibang aspeto ng kalusugan at kabutihan. Gaano katagal bago mahuhuli ng isang computer ang mga pangangasiwa sa pangangalagang pangkalusugan ng tao? Marahil na mas mahalaga, gaano katagal bago ang isang tao ay handang magtiwala sa isang di-pantao upang tratuhin siya? Ang dalawang tanong na ito ay maaaring maging focus sa debate sa potensyal ng teknolohiya sa pag-aaral ng makina at robotics sa pangangalagang pangkalusugan.
Ang mga computer ay maaaring "mag-isip" sa isang lalong pantaong paraan. Kung kami ay handa o hindi, kamakailang mga pag-unlad sa cognitive computing signal na ang edad ng computerized coaching at pangangalagang pangkalusugan ay dumating.
Istatistika sa Pagtatasa ng Impormasyon sa Kalusugan
Hindi lihim na ibinabahagi namin ang lahat ng uri ng pribado at madalas, intimate na impormasyon tuwing gumagawa kami ng pagbili o mag-browse sa Internet. Ang kakayahang mahulaan ang mga pangyayari sa kalusugan sa pamamagitan lamang ng pagsubaybay sa kaswal na pag-uugali ay nagpakita na muli noong 2012 kapag ipinakita ng retailer Target ang mundo na mahuhulaan nila ang kawalang katiyakan kung ang isang babae ay buntis batay sa kanyang mga gawi sa pamimili-kung minsan kahit na naghahatid ng balita ng pagbubuntis sa abashed Miyembro ng pamilya.
Maraming mga personal na detalye ang nakuha sa istatistika sa isang karaniwang batayan upang magbigay ng higit na pananaw sa mga gawi at katangian ng isa. Ang ilan sa mga gawi na ito ay kusang-loob at may ganap na kamalayan at suporta ng gumagamit, samantalang ang iba ay maaaring isagawa nang madulas ng mga organisasyon at kumpanya.
Ang hindi sinasadya na pagsubaybay sa pag-uugali ay nagtataas ng ilang mga etikal at panlipunan na mga tanong.
Maraming indibidwal na ngayon ang malayang nagbabahagi ng kanilang personal na impormasyong pangkalusugan sa iba't ibang paraan, sa pamamagitan ng tahasang pagbabahagi sa pamamagitan ng pagtatasa ng panganib sa kalusugan, na sa pamamagitan ng mga wearable, at kung minsan kahit na hindi sinasadya sa pamamagitan ng mga post sa social media at pagbili ng pag-uugali.
Ang katumpakan kung saan ang impormasyon na ito ay maaaring pag-aralan at bigyang-kahulugan ay ang pagtaas, paglikha ng parehong mga panganib at pagkakataon, at posibleng paglalagay sa amin sa hangganan ng isang bagong panahon kung saan ang teknolohiya ay maaaring maglaro ng isang papel sa nudging aming kalusugan at kagalingan sa positibong paraan.
Personalizing Health at Paglutas ng Problema ng Misdiagnosing
Ang mga diagnostic error ng mga doktor ay isang malaking lugar ng pag-aalala. Ang resulta ng kapabayaan o kabiguang isaalang-alang ang kasaganaan ng mga opsyon, ang mga pagkakamali na ito ay maaaring magwasak para sa pasyente at sa kanyang pamilya. Ang propesor Eta Berner ng University of Alabama sa Birmingham at si Dr. Mark L. Graber ng Northport VA Medical Center ay natagpuan na ang tinatayang 10 hanggang 20 porsiyento ng mga medikal na kaso ay di-naranasan. Itinuro ni Berner at Graber na ang mahusay na mga proseso ng nagbibigay-malay ay ligtas na ang tamang pagsusuri sa halos lahat ng oras. Gayunpaman, may mga oras kung kailan nabigo ang mga prosesong nagbibigay-malay. Ang pagsusuri ni Berner at Graber ay nagpakita na ang labis na kumpiyansa ng manggagamot ay kadalasang nagiging sanhi ng mga error sa medikal. Bukod dito, ang isang ulat na pinondohan ng Agency for Healthcare Research and Quality ay natagpuan ang 28 porsiyento ng lahat ng mga pagkakamali sa diagnostic na maging malubha sa kalubhaan, posibleng nagpapahiwatig ng isang kaganapan na nagbabanta sa buhay.
Ang pag-iinspeksyon ay maaaring may kasamang anumang bagay mula sa pag-prescribe ng maling gamot sa surgically pag-aalis ng maling bahagi ng katawan.
Ang nakakatakot na istatistikang ito ay maaaring humantong sa ilan na magtaltalan na ang umiiral na suliranin ay maaaring malutas sa pamamagitan lamang ng pagtanggal sa kadahilanan ng tao mula sa equation. Ang teknolohiya tulad ng IBM's Watson ay nag-aalok ngayon ng pag-asa na ang impormasyong maaaring ma-synthesized at mag-isip sa isang mas humanistic fashion. Ang teknolohiya ng nagbibigay-malay na Watson ay may kakayahang pag-aralan ang hindi natukoy na data, maunawaan ang mga kumplikadong tanong at kasalukuyang mga end-user na may mga solusyon na batay sa katibayan.
Nilalayon ni Watson na mapahusay ang mga predictive algorithm, na hindi laging napatunayang matagumpay kapag inilapat sa mga sitwasyon sa totoong buhay.
Gayunpaman, kung ano ang maaaring maging mas nakakapukaw kaysa sa mga potensyal na prediksyon ni Watson ay ang posibilidad na ang teknolohiya nito ay lumalabas sa mga tao pagdating sa mga interbensyon sa kalusugan at kabutihan.
Noong 2015, binuo ng IBM Watson ang isang strategic partnership sa CVS Health, inihayag nito ang pagdating ng cognitive computing sa komersyal na industriya ng pangangalagang pangkalusugan. Iminungkahing na sa lalong madaling panahon, ang mga doktor at parmasyutiko ay may access sa teknolohiya na maaaring, halimbawa, ay awtomatikong makita ang isang pagtanggi sa kalusugan ng isang pasyente.
Ang isang pakikitungo sa pagitan ng Under Armor at IBM, na nilagdaan noong 2016, ay nagbigay kay Watson ng isang pagkakataon upang higit pang bumuo at bumuo ng platform ng kalusugan nito. Ginawa rin ng Apple ang isang makabuluhang pamumuhunan sa platform ng Watson na may layuning pagpapabuti ng mga platform sa pagpapaunlad ng HealthKIT at ResearchKIT. Ayon sa isang ulat ng Grand View Research Inc., ang global healthcare cognitive computing market ay hinuhulaan na umabot sa higit sa $ 5 bilyon sa pamamagitan ng 2020.
Ang mga pag-aaral ng siyentipikong pananaliksik ay sumusuporta din sa paggamit ng teknolohiya upang mabawasan ang panganib ng error at pinsala sa gamot. Iminumungkahi ni Dr. Mark L. Graber ang paggamit ng mga tinatawag na "mga tool ng pag-trigger", na makikilala ang mga kaso sa peligro ng diagnostic error sa pamamagitan ng pagtatasa ng mga electronic health record at naghahanap ng mga pagkakaiba. Iba't ibang uri ng mga tool ng pag-trigger ang ginagamit na ngayon sa mga ospital sa Amerika, gayunpaman, hindi palaging nakakakita ang mga error sa diagnostic. Samakatuwid, ang mga pagsisikap ay ginagawa upang mag-disenyo ng mas mahusay na mga pag-iwas sa pagpigil.
Isang promising diskarte ay iniharap ni Dr. Hardeep Singh at ng kanyang mga kasamahan. Dinisenyo nila ang isang electronic trigger na maaaring makilala ang mga pasyente na may mga hindi nakaiskedyul na appointment ng ospital sa loob ng 2 linggo ng kanilang pangunahing pag-aalaga sa pag-aalaga, na nagmumungkahi na ang isang bagay ay maaaring napalampas sa kanilang unang pagsusuri. Maraming eksperto ang hulaan na ang ganitong teknolohiya ay makakatulong upang maiwasan ang mga error o hindi bababa sa dalhin sila sa pansin sa isang pagsisikap upang mabawasan ang mga ito.
Pinupurihan ang Artipisyal na Katalinuhan
Sa 2015, ang Tagapangulo ng NHS England, si Sir Malcolm Grant, ay nagpahayag ng kanyang opinyon na ang artipisyal na katalinuhan ay dapat na tinanggap ng pangangalagang pangkalusugan dahil maaaring mapabuti nito ang kalidad ng pangangalaga at pati na rin ang pag-personalize ng gamot. Maraming mga pangkalusugang propesyonal ang nagsasabi na ito ang damdamin. Ang teknolohiya na maaaring mapagkakatiwalaan sa pag-diagnose at / o makilala ang mga error sa diagnostic sa pamamagitan ng pagmimina ng data ay malamang na hindi malayo.
Ang cognitive computing sa sektor ng pangangalagang pangkalusugan ay kasalukuyang ginagamit nang higit pa sa isang papel ng pagpapayo at hindi upang gumawa ng mga pangwakas na desisyon o palitan ang mga tao sa bawat isa. Halimbawa, tinutulungan ni Watson ang mga indibidwal at organisasyon na gumawa ng mas advanced at sopistikadong mga klinikal na desisyon at sa lalong madaling panahon ay makakatulong sa mga indibidwal na mapabuti ang kanilang mga antas ng fitness sa pamamagitan ng pakikipagsosyo sa ilalim ng Armor. Gayunpaman, maikling panahon lamang na ang mga computer ay umabot sa mga tao bilang dominanteng puwersa sa isang intelektwal na isport tulad ng chess, at ang mga kapangyarihan ng computing ay tumataas lamang. Higit pa rito, idinagdag ang elemento ng tao sa mga katangian ng pagpoproseso ng computer, na ginagawa ang ideya ng computer at mga robot na nag-aalaga sa amin na hindi gaanong nakikitang tulad nito.
> Pinagmulan
> Berner E, Graber M. Labis na kumpiyansa bilang isang Dahilan ng Diagnostic Error sa Medicine. Ang American Journal Of Medicine . 2008; 121: S2-S23.
> Graber ML. Ang saklaw ng diagnostic error sa gamot. Kalidad at Kaligtasan ng BMJ . 2013; 22 (Suppl 2): ii21-ii27. doi: 10.1136 / bmjqs-2012-001615.
> Lupton D. Pagsulong sa kalusugan sa digital na panahon: isang kritikal na komentaryo. Kalusugan Promotion International . 2015; 30 (1): 174-183
> Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis Singh H, Giardina TD, Meyer AT, Forjuoh SN, Reis MD, Thomas EJ. Mga Uri at Mga Pinagmulan ng Mga Diagnostic Error sa Mga Pangunahing Pangangalaga sa Primer. JAMA internal medicine . 2013; 173 (6): 418-425.
> Thompson M. Pangangalaga sa kalusugan at pangkaisipang computing para sa malaking pagbabago. Econtent . 2015: 4-8.