Η υπόσχεση της Τεχνητής Νοημοσύνης (ΤΝ) στον τομέα της υγείας μοιάζει με ένα σενάριο επιστημονικής φαντασίας που αρνείται πεισματικά να γίνει καθημερινή πραγματικότητα. Από την έγκαιρη διάγνωση καρκίνου μέσω ακτινογραφιών μέχρι την εξατομικευμένη γονιδιωματική ιατρική, τα εργαλεία υπάρχουν. Ωστόσο, μια προσεκτική ματιά στο τοπίο της υγειονομικής περίθαλψης αποκαλύπτει μια παράδοξη στασιμότητα. Το ερώτημα που απασχολεί πλέον τους ειδικούς δεν είναι αν η ΤΝ είναι αρκετά έξυπνη, αλλά τι είναι αυτό που την εμποδίζει να αναπνεύσει μέσα στο κλινικό περιβάλλον. Όπως προκύπτει από πρόσφατες αναλύσεις, το πρόβλημα δεν εντοπίζεται στους αλγορίθμους, αλλά στις δομές που καλούνται να τους φιλοξενήσουν.
Το Παράδοξο των Δεδομένων και τα «Ψηφιακά Σιλό»
Το πρώτο και ίσως σημαντικότερο εμπόδιο είναι ο ακραίος κατακερματισμός των ιατρικών δεδομένων. Στη θεωρία, η ΤΝ τρέφεται με δεδομένα. Στην πράξη, τα δεδομένα υγείας είναι συχνά εγκλωβισμένα σε «σιλό» — ασύμβατα συστήματα αρχειοθέτησης που δεν επικοινωνούν μεταξύ τους. Ένα νοσοκομείο μπορεί να χρησιμοποιεί ένα σύστημα για τις ακτινολογικές εξετάσεις και ένα εντελώς διαφορετικό για τα ηλεκτρονικά μητρώα υγείας (EHR). Αυτή η έλλειψη διαλειτουργικότητας σημαίνει ότι οι αλγόριθμοι δεν έχουν πρόσβαση στην πλήρη εικόνα του ασθενούς.
Επιπλέον, η ποιότητα των δεδομένων παραμένει ένα ακανθώδες ζήτημα. Τα ιατρικά αρχεία είναι συχνά ελλιπή, γεμάτα με μη δομημένες σημειώσεις γιατρών ή λανθασμένες κωδικοποιήσεις. Για να εκπαιδευτεί ένα μοντέλο ΤΝ ώστε να είναι αξιόπιστο, χρειάζεται καθαρά, ομοιόμορφα και αντιπροσωπευτικά δεδομένα. Όταν τα δεδομένα εισόδου είναι «θόρυβος», το αποτέλεσμα της ΤΝ είναι αναπόφευκτα ανακριβές, γεγονός που κλονίζει την εμπιστοσύνη των κλινικών γιατρών.
Η Τριβή της Ροής Εργασίας και η Ανθρώπινη Αντίσταση
Ένα από τα πιο υποτιμημένα εμπόδια είναι η λεγόμενη «τριβή της ροής εργασίας». Οι γιατροί και οι νοσηλευτές βρίσκονται ήδη στα όρια της επαγγελματικής εξουθένωσης (burnout). Η εισαγωγή ενός νέου εργαλείου ΤΝ που απαιτεί από αυτούς να ανοίξουν ένα επιπλέον παράθυρο στον υπολογιστή τους ή να εισαγάγουν δεδομένα με διαφορετικό τρόπο, συναντά συχνά σθεναρή αντίσταση. Η ΤΝ στην υγεία συχνά σχεδιάζεται από μηχανικούς σε αποστειρωμένα εργαστήρια, χωρίς να λαμβάνεται υπόψη η χαοτική πραγματικότητα των επειγόντων περιστατικών.
«Η Τεχνητή Νοημοσύνη δεν θα αντικαταστήσει τους γιατρούς, αλλά οι γιατροί που χρησιμοποιούν ΤΝ θα αντικαταστήσουν εκείνους που δεν τη χρησιμοποιούν. Το πρόβλημα είναι ότι το τρέχον σύστημα κάνει τη χρήση της ΤΝ μια πρόσθετη αγγαρεία αντί για μια διευκόλυνση», αναφέρουν αναλυτές του κλάδου.
Για να πετύχει η ΤΝ, πρέπει να γίνει «αόρατη». Πρέπει να ενσωματωθεί οργανικά στα υπάρχοντα συστήματα, λειτουργώντας στο παρασκήνιο και προσφέροντας πληροφορίες μόνο όταν αυτές είναι απαραίτητες για τη λήψη κρίσιμων αποφάσεων. Οποιαδήποτε λύση προσθέτει κλικ στη διαδικασία είναι καταδικασμένη να αποτύχει.
Ο Λαβύρινθος της Κανονιστικής Συμμόρφωσης και της Ευθύνης
Πέρα από το τεχνικό και το ανθρώπινο επίπεδο, υπάρχει το νομικό κενό. Ποιος φέρει την ευθύνη αν μια ΤΝ κάνει μια λανθασμένη διάγνωση; Ο προγραμματιστής; Το νοσοκομείο; Ο γιατρός που επικύρωσε την απόφαση; Οι ρυθμιστικές αρχές, όπως ο FDA στις ΗΠΑ και οι αντίστοιχοι ευρωπαϊκοί οργανισμοί, προσπαθούν να συμβαδίσουν με την ταχύτητα της τεχνολογίας, αλλά οι γραφειοκρατικές διαδικασίες είναι αργές. Η έγκριση ενός αλγορίθμου ως ιατρική συσκευή απαιτεί χρόνια κλινικών δοκιμών και τεράστια κεφάλαια.
Επιπλέον, το ζήτημα της ηθικής και των προκαταλήψεων (bias) παραμένει κρίσιμο. Αν ένας αλγόριθμος εκπαιδευτεί σε δεδομένα που προέρχονται κυρίως από έναν συγκεκριμένο πληθυσμό, ενδέχεται να μην λειτουργεί σωστά για άλλες εθνοτικές ή κοινωνικές ομάδες. Αυτό δημιουργεί σοβαρά ερωτήματα δικαιοσύνης στην πρόσβαση στην υγεία, καθιστώντας τους οργανισμούς υγείας διστακτικούς στην υιοθέτηση τέτοιων τεχνολογιών χωρίς απόλυτες εγγυήσεις.
Συμπέρασμα: Μια Συστημική Πρόκληση
Συμπερασματικά, αυτό που «τρώει» την ΤΝ στην υγεία δεν είναι η έλλειψη καινοτομίας, αλλά η αδυναμία του υπάρχοντος συστήματος να μεταβολίσει την αλλαγή. Η λύση δεν βρίσκεται στην κατασκευή ενός ακόμα πιο ισχυρού μοντέλου γλώσσας ή ενός ακριβέστερου συστήματος όρασης υπολογιστή. Βρίσκεται στην αναδιάρθρωση των υποδομών υγείας, στην τυποποίηση των δεδομένων και στον επανασχεδιασμό των κλινικών διαδικασιών με επίκεντρο τον άνθρωπο. Μόνο όταν η τεχνολογία πάψει να αντιμετωπίζεται ως ένα ξένο σώμα και γίνει μέρος του κυττάρου της υγειονομικής περίθαλψης, θα δούμε την πραγματική της επίδραση στη σωτηρία ζωών.
