Η startup τεχνητής νοημοσύνης (AI) Woebot Health έκανε τα νέα πρόσφατα για ορισμένες από τις καταστροφικά ελαττωματικές απαντήσεις τεχνητών ρομπότ σε μηνύματα κειμένου που της εστάλησαν μιμούμενοι μια κρίση ψυχικής υγείας. Η Woebot, η οποία συγκέντρωσε 90 εκατομμύρια δολάρια σε έναν γύρο Series B, απάντησε ότι δεν προορίζεται για χρήση κατά τη διάρκεια κρίσεων. Η ηγεσία της εταιρείας περιμένει θλιβερά από τους ασθενείς, οι οποίοι μπορεί να μην σκέφτονται εντελώς ορθολογικά, να έχουν την αναγνώριση ότι θα σταματήσουν να χρησιμοποιούν την τυπική τους μορφή επικοινωνίας και θα προσεγγίσουν ένα εναλλακτικό σύστημα.

Ενώ οι γιατροί θεωρούνται υπεύθυνοι για τη βλάβη που προκαλείται στους ασθενείς για θεραπεία, οι νεοφυείς εταιρείες που επιδιώκουν να εισέλθουν σε αυτόν τον χώρο δεν τηρούν τα ίδια πρότυπα. Για να χειροτερέψουν τα πράγματα για τους ευάλωτους ασθενείς, αυτά τα συστήματα δεν τηρούν επίσης τα ίδια πρότυπα απορρήτου. Η είσοδος στο χώρο της τεχνητής νοημοσύνης και η άμεση αλληλεπίδραση με τους ασθενείς είναι ιδιαίτερα περίπλοκη, επειδή πολλοί ασθενείς αντιμετωπίζουν συνήθως εξασθενημένες κρίσεις, κάτω από το όριο της ανάγκης να καλέσουν το 911, καθιστώντας ένα bot μη εξοπλισμένο για τη διαχείριση κρίσεων πιθανότατα να μην είναι καλά εξοπλισμένο για να χειρίζεται τους πόνους που βιώνουν οι ασθενείς. σε καθημερινή βάση.

Παρά τους κινδύνους που ενέχουν οι τεχνητές και ακούσιες κρίσεις ασθενών, οι νεοφυείς επιχειρήσεις ψυχικής υγείας που παρασύρθηκαν σε αυτόν τον χώρο συγκέντρωσαν συνολικά 1.3 δισεκατομμύρια δολάρια το πρώτο εξάμηνο του 2022. Δυστυχώς, υπάρχουν πολλές δυσκολίες στην άμεση επικοινωνία με τους ασθενείς και η τεχνητή νοημοσύνη δεν είναι ακόμη έτοιμη για αυτό το έργο. Οι λέξεις μπορούν να χρησιμοποιηθούν σε αργκό ή με εναλλακτικές έννοιες. Το νόημα μιας πρότασης μπορεί να αλλάξει ανάλογα με το ιστορικό, τις πολιτισμικές αξίες, τις χειρονομίες, την προσωδία και τον τόνο της φωνής του ασθενούς. Επιπλέον, είναι σημαντικό να ληφθούν υπόψη τα υποσυνείδητα κίνητρα ενός ασθενούς σε μια θεραπευτική συνεδρία – κάτι που δεν αποσαφηνίζεται εύκολα από την τεχνητή νοημοσύνη.

Όσο και αν η τεχνητή νοημοσύνη μπορεί να ανιχνεύσει τις κυριολεκτικές έννοιες των λέξεων, δεν θα είναι σε θέση να κατανοήσει το νόημα πίσω από αυτό που δεν λέγεται στο βαθμό που μπορεί ένας θεραπευτής. Δεδομένου του αριθμού των δυσκολιών στην αντικατάσταση των ανθρώπινων θεραπευτών, η τεχνητή νοημοσύνη είναι πιο πιθανό να έχει αντίκτυπο στα παρασκήνια με άλλους τρόπους.

Αν και υπάρχουν πολλές προκλήσεις όταν βασίζεστε σε ένα τεχνητό bot για να αλληλεπιδράσετε με ασθενείς, εξακολουθούν να υπάρχουν τομείς όπου η τεχνητή νοημοσύνη μπορεί να αυξήσει τη λήψη αποφάσεων. Οι εταιρείες ασφάλισης υγείας βλέπουν ήδη την αξία της τεχνητής νοημοσύνης στη μείωση του κόστους, εντοπίζοντας ασθενείς που χρησιμοποιούν σε μεγάλο βαθμό τις υπηρεσίες υγειονομικής περίθαλψης. Οι πάροχοι συνταγογράφησης λαμβάνουν τακτικά ειδοποιήσεις από εταιρείες ασφάλισης υγείας σχετικά με παράτυπη αναπλήρωση συνταγών για να ενθαρρύνουν τη διακοπή συνταγών που δεν χρησιμοποιούνται βέλτιστα. Πράγματι, οι μεγάλες ασφαλιστικές εταιρείες διαθέτουν μεγάλα σύνολα δεδομένων που επί του παρόντος αναλύονται για να προβλέψουν την εμφάνιση του Αλτσχάιμερ, του διαβήτη, της καρδιακής ανεπάρκειας και της χρόνιας αποφρακτικής πνευμονοπάθειας (ΧΑΠ). Στην πραγματικότητα, Η τεχνητή νοημοσύνη έχει ήδη εγκριθεί από τον FDA για συγκεκριμένες χρήσεις, και επί του παρόντος, η τεχνητή νοημοσύνη λάμπει όταν εφαρμόζεται σε ένα πολύ συγκεκριμένο κλινικό ζήτημα. Τα συστήματα τεχνητής νοημοσύνης αναζητούνται αρχικά για να ενισχύσουν την κλινική κρίση αντί να αντικαταστήσουν την κλινική κρίση. Στην ιδανική περίπτωση, η τεχνητή νοημοσύνη θα ενισχύσει την παραγωγικότητα των κλινικών ιατρών χειριζόμενος κοσμικές εργασίες και προειδοποιώντας για αυτά που μπορεί να είναι διφορούμενα και να απαιτούν περαιτέρω έρευνα από έναν άνθρωπο. Σύμφωνα με την ασφαλιστική εταιρεία Optum, οι τρεις κορυφαίες εφαρμογές τεχνητής νοημοσύνης είναι η παρακολούθηση δεδομένων με wearables, η επιτάχυνση των κλινικών δοκιμών και η βελτίωση της ακρίβειας της κωδικοποίησης της υγειονομικής περίθαλψης. Οι τρέχοντες στόχοι δεν είναι να αυξηθεί ο όγκος των δεδομένων, αλλά να παρουσιαστούν τα δεδομένα με τρόπο που να έχει νόημα και να ενεργεί από τον κλινικό ιατρό.

Η τεχνητή νοημοσύνη θα αρχίσει να επηρεάζει τους παρόχους με ενημερωτικές συμβουλές και ειδοποιήσεις, συμβάλλοντας έτσι στην αύξηση της λήψης αποφάσεων και στη μείωση του ανθρώπινου λάθους. Η πρακτική της ιατρικής είναι γεμάτη από επιπόλαιες εργασίες που είναι ώριμες ευκαιρίες να φορτωθούν σε έναν υπολογιστή. Για παράδειγμα, μια κοινή εφαρμογή της τεχνητής νοημοσύνης είναι η αξιολόγηση των εικόνων του αμφιβληστροειδούς, η οποία επιτρέπει στους οφθαλμίατρους να επικεντρωθούν σε άλλους τομείς της ιατρικής που βρίσκουν πιο ικανοποιητικούς. Καθώς η τεχνητή νοημοσύνη εισχωρεί στην υγειονομική περίθαλψη, οι κλινικοί γιατροί δεν πρέπει να ανησυχούν για το αν θα αντικατασταθούν, αλλά για το πώς η πρακτική τους θα συνεχίσει να εξελίσσεται με την πάροδο του χρόνου – και ελπίζουμε προς το καλύτερο.

Μια δυσκολία στην εφαρμογή της τεχνητής νοημοσύνης στον χώρο του παρόχου είναι ότι τα ιατρικά αρχεία δεν είναι ομοιόμορφα δομημένα και τα στυλ ποικίλλουν πολύ από πάροχο σε πάροχο. Τα ιατρικά αρχεία μπορεί επίσης να περιέχουν εγγενής προκατάληψη, ανάλογα με τον πληθυσμό ασθενών που είναι πιο χαρακτηριστικός αυτής της πρακτικής. Η μεροληψία που τροφοδοτείται σε ένα σύστημα τεχνητής νοημοσύνης θα αποφέρει ένα προκατειλημμένο αποτέλεσμα. Έτσι, το «τι» της τεχνητής νοημοσύνης δεν είναι ο μόνος σημαντικός παράγοντας στην εφαρμογή της, αλλά το πώς εφαρμόζεται και τι γίνεται με τα αποτελέσματα είναι επίσης πολύ σημαντικό για τον αντίκτυπο που έχει. Συμβουλές και ειδοποιήσεις που εμφανίζονται σε στιγμές που ο κλινικός ιατρός αποσπάται ή έχει συνηθίσει να βλέπει μια άλλη οθόνη μπορεί να παραβλεφθούν. Η εμπειρία χρήστη της τεχνητής νοημοσύνης θα έχει αντίκτυπο στην κόπωση σε εγρήγορση, ένα πολύ γνωστό φαινόμενο πρόσφατα που οδήγησε σε ορισμένες περιπτώσεις ορόσημα. Έτσι, η τεχνητή νοημοσύνη είναι τόσο επιδραστική όσο το μέσο στο οποίο παραδίδεται και η κατάσταση του χρήστη τη στιγμή που παρουσιάζεται.

Αν μάθαμε κάτι από τις αξιόλογες γκάφες της τεχνητής νοημοσύνης, είναι ότι μπορεί να μην κρατάμε την τεχνητή νοημοσύνη με τα ίδια πρότυπα απορρήτου με τους ανθρώπους, αλλά το κρατάμε σε υψηλότερο επίπεδο από την τυπική ανθρώπινη απόδοση. Θα ήταν εντελώς απαράδεκτο ένα σύστημα τεχνητής νοημοσύνης να βλάψει έναν μόνο ασθενή. Αναμένουμε ότι η τεχνητή νοημοσύνη όχι μόνο θα έχει καλύτερες επιδόσεις από τους ανθρώπους αλλά δεν θα βλάπτει κανέναν ασθενή. Έτσι, προς το παρόν, η τεχνητή νοημοσύνη θα συνεχίσει να κάνει την αλχημική της μαγεία στο παρασκήνιο, αναλαμβάνοντας αθόρυβα την ευθύνη – ή όχι – για το πώς επηρεάζει την υγειονομική περίθαλψη.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://www.dataversity.net/how-artificial-intelligence-will-first-find-its-way-into-mental-health/