Yapay Zeka ve Makine Öğrenimi, Yeni Nesil Teknolojiler ve Güvenli Geliştirme
İdari ve Klinik Kullanımlarda Yapay Zekayı Geliştirmeye Yönelik Geçici Çözümler
Marianne Kolbasuk McGee (SağlıkBilgi Güvenliği) •
12 Aralık 2023
Yapay zeka, sağlık hizmetlerinin hem idari hem de klinik yönleri açısından büyük umut vaat ediyor ancak engeller hâlâ devam ediyor. En büyük engellerden biri hasta mahremiyetine ve yapay zeka modellerini etkili bir şekilde ayarlamak için gereken büyük miktarda verinin paylaşılmasına bağlı.
Ayrıca bakınız: BT ve Güvenlikte Yapay Zekanın Geleceği Nedir?
Bir yapay zeka forumunda bir panel tartışmasını yöneten Georgetown Üniversitesi biyomedikal bilişim inovasyon merkezi direktörü Peter McGarvey, hasta verilerinin kimlik bilgileri kaldırılsa bile sağlık kuruluşlarının makine öğrenimi ve yapay zeka çalışmaları için verileri paylaşma konusunda hâlâ isteksiz olduğunu söyledi. Salı günü kurum ve Dünya Bankası ev sahipliğinde gerçekleştirilecek.
Ancak bazı panelistler, sağlık sektörünün bu gizlilik engellerinin bazıları için geçici çözümler bulabileceğini söyledi.
Washington DC’deki Ulusal Çocuk Hastanesi’nde profesör ve araştırma ve yenilik bölümü donanımlı başkanı Marius Linguraru, veri paylaşımıyla ilgili endişeleri gidermenin bir yolunun “birleşik öğrenme” yoluyla olduğunu söyledi.
Yapay zeka modelleri eğitilirken, çabaların genellikle her tesisin hizmet verdiği farklı popülasyonlardan ve topluluklardan bir dizi veriyi toplamak için birkaç farklı tıbbi kurumdan veri toplamayı içerdiğini söyledi.
Linguraru, “Ancak modeli eğitmek için veri paylaşımının birçok engeli olabilir” dedi. “Yani birleşik öğrenmenin yaptığı şey, tüm bu hastanelerden verileri bir araya getirip eğitmek ve en iyi modeli elde etmek yerine, modeli farklı hastanelere göndermektir” dedi.
Linguraru, “Model her konumda öğreniyor ve gizliliği koruduğunu, işbirliğini artırdığını, bürokrasiyi azalttığını ve maliyetleri azalttığını düşündüğümüz bazı çevreleri ortaya çıkarıyor.” dedi. “Giderek daha iyiye gidiyoruz. Gezici modellik her hastaneden bir şeyler öğreniyor ve sonra yeniden eğitim alıp hastanede çalışabiliyor” dedi.
Birleşik modelde, algoritmaların hastaneler hasta verileri alışverişinde bulunmadan işbirliği içinde eğitildiğini söyledi. “Yani ileriye doğru bir yol var.”
McKinsey and Co.’nun sağlık hizmetleri ortağı Nikhil Sahni, bazen yapay zekayı uygulamaya çalışan tıbbi kurumların, belirli bir kullanım durumunu ele almak için gereken veri miktarı ve aralığı hakkında abartılı görüşlere sahip olduğunu söyledi.
Pek çok sağlık kuruluşu “yapay zekayı neden kullanamadığımızın bahanesi olarak verileri kullanıyor” dedi. “Fakat soruyu ‘Yapmak üzere olduğunuz yapay zeka destekli kullanım durumu nedir?’ şeklinde değiştirelim” dedi.
Kullanım senaryosu “talep yönetimi sistemini düzeltmeyi amaçlıyorsa, ihtiyacınız olmayan pek çok veri var” dedi.
“Çoğu zaman, ‘Önümüzdeki gerçek kullanım durumu nedir?’ yerine her şeyin peşinden gidecek mükemmel veri kümesini oluşturmaya çalışıyoruz” dedi. Varlıklar kendilerine şu soruyu sormalıdır: “Bunu yapmak için ihtiyacım olan 10 alan nedir?”
“Birçok kullanım durumunda, aslında peşine düşeceğimiz birçok kurumdan gelen verileri bir veri gölünde tutuyoruz” dedi.
Bu kullanım durumlarında, veriler daha idari olma eğiliminde olabilir, “ancak ABD sağlık harcamalarının %20’sini temsil ettiğinden idari tarafta çok fazla değer var” dedi.
İdari kullanım durumları da çoğu zaman hassas hasta verilerinin gizliliği sorunlarını içermez. “Verilere sahip olmadığımızı veya verilerin temiz olmadığını söyleme eğilimindeyiz. Ancak aslında geri adım atıp ‘Neyi düzeltmeye çalışıyorum? İhtiyacım olan alanlar neler?’ dediğinizde gerekli olan birçok şey var. çok daha hızlı çözülebileceğini söyledi.
MedStar sağlık araştırma enstitüsü müdürü Nawar Shara, klinik açıdan yapay zeka ve makine öğreniminin halihazırda hamile kadınlarda preeklampsi gibi anne sağlığı sorunlarının tahmin edilmesine ve tanımlanmasına yardımcı olmak gibi çok özel şekillerde kullanıldığını söyledi: Washington DC bölgesinde büyük bir sağlık hizmeti sağlayıcısı.
Shara, tıbbi kurumların şu anda hem klinik hem de idari açıdan iyileştirmeler yapmak için yapay zekayı uygulamak için yararlanabileceği “çok fazla sonuç var” dedi.