يعمل الذكاء الاصطناعي على تغيير الطب: إليك كيف نتأكد من أنه يعمل للجميع
ماذا لو تمكن طبيبك من اختبار العشرات من العلاجات المختلفة على الفور لاكتشاف العلاج المثالي لجسمك وصحتك وقيمك؟ في مختبري في كلية الطب بجامعة ستانفورد، نعمل على تقنية الذكاء الاصطناعي (AI) لإنشاء “توأم رقمي “: تمثيل افتراضي لك استنادًا إلى تاريخك الطبي وملفك الشخصي الجيني وعمرك وعرقك ومجموعة من عوامل أخرى مثل ما إذا كنت تدخن وكم تمارس الرياضة.
إذا كنت مريضًا، يمكن للذكاء الاصطناعي اختبار خيارات العلاج على هذا التوأم المحوسب، عبر عدد لا يحصى من السيناريوهات المختلفة للتنبؤ بالتدخلات الأكثر فعالية.
بدلاً من اختيار نظام العلاج بناءً على ما يناسب الشخص العادي، يمكن لطبيبك وضع خطة بناءً على ما يناسبك. ويتعلم التوأم الرقمي باستمرار من تجاربك، ويدمج دائمًا أحدث المعلومات حول صحتك.
الذكاء الاصطناعي يخصص الطب، ولكن لمن؟
في حين أن هذه الفكرة المستقبلية قد تبدو مستحيلة، يمكن للذكاء الاصطناعي أن يجعل الطب الشخصي حقيقة في وقت أقرب مما نعتقد.
التأثير المحتمل على صحتنا هائل، ولكن حتى الآن، كانت النتائج واعدة بالنسبة لبعض المرضى أكثر من غيرهم.
نظرًا لأن الذكاء الاصطناعي يتم إنشاؤه بواسطة البشر باستخدام البيانات التي تم إنشاؤها بواسطة البشر، فإنه عرضة لإعادة إنتاج نفس التحيزات وعدم المساواة الموجودة بالفعل في نظام الرعاية الصحية لدينا.
في عام 2019، يعمل الذكاء الاصطناعي على تغيير الطب: إليك كيف نتأكد من أنه يعمل للجميع تستخدمها المستشفيات لتحديد المرضى الذين يجب إحالتهم إلى برامج رعاية خاصة للأشخاص ذوي الاحتياجات الطبية المعقدة.
من الناحية النظرية، هذا هو بالضبط نوع الذكاء الاصطناعي الذي يمكن أن يساعد المرضى في الحصول على رعاية أكثر استهدافًا.
ومع ذلك، اكتشف الباحثون أنه أثناء استخدام النموذج، كان من غير المرجح بشكل ملحوظ تعيين المرضى السود في هذه البرامج مقارنة بنظرائهم البيض الذين لديهم ملفات صحية مماثلة.
لم تؤثر هذه الخوارزمية المنحازة على الرعاية الصحية التي يتلقاها ملايين الأمريكيين فحسب، بل أثرت أيضًا على ثقتهم في النظام.
الحصول على البيانات، اللبنة الأساسية للذكاء الاصطناعي، صحيح
مثل هذا السيناريو شائع جدًا بالنسبة للأقليات الممثلة تمثيلا ناقصا. القضية ليست التكنولوجيا نفسها.
تبدأ المشكلة قبل ذلك بكثير، مع الأسئلة التي نطرحها والبيانات التي نستخدمها لتدريب الذكاء الاصطناعي إذا أردنا أن يعمل الذكاء الاصطناعي على تحسين الرعاية الصحية للجميع، فنحن بحاجة إلى تصحيح هذه الأشياء قبل أن نبدأ في بناء نماذجنا.
أولًا، البيانات، التي غالبًا ما تميل نحو المرضى الذين يستخدمون نظام الرعاية الصحية أكثر من غيرهم: مواطنون أمريكيون بيض، متعلمون، أثرياء، ومتوازنون بين الجنسين.
تتمتع هذه المجموعات بإمكانية أفضل للحصول على الرعاية الطبية، لذلك فهي ممثلة تمثيلا زائدا في مجموعات البيانات الصحية وتجارب الأبحاث السريرية.
لمعرفة تأثير هذه البيانات المنحرفة، انظر إلى سرطان الجلد.
يمكن للتطبيقات التي تعتمد على الذكاء الاصطناعي أن تنقذ الأرواح من خلال تحليل صور حيوانات الخلد وتنبيههم إلى أي شيء كان يجب عليهم فحصه بواسطة طبيب الأمراض الجلدية. لكن هذه التطبيقات مدربة على الكتالوجات الموجودة لآفات سرطان الجلد التي تهيمن عليها الصور المأخوذة من المرضى ذوي البشرة الفاتحة، لذا فهي لا تعمل بشكل جيد مع المرضى ذوي البشرة الداكنة. تم نقل هيمنة المرضى ذوي البشرة الفاتحة في طب الأمراض الجلدية ببساطة إلى العالم الرقمي.
واجهت أنا وزملائي مشكلة مماثلة عند تطوير نموذج ذكاء اصطناعي للتنبؤ بما إذا كان مرضى السرطان الذين يخضعون للعلاج الكيميائي سينتهي بهم الأمر بزيارة غرفة الطوارئ.
يمكن للأطباء استخدام هذه الأداة لتحديد المرضى المعرضين للخطر ومنحهم العلاج والموارد اللازمة لمنع دخول المستشفى، وبالتالي تحسين النتائج الصحية وتقليل التكاليف.
بينما كانت تنبؤات الذكاء الاصطناعي الخاصة بنا دقيقة بشكل واعد، لم تكن النتائج موثوقة بنفس القدر بالنسبة للمرضى السود.
نظرًا لأن المرضى الذين تم تمثيلهم في البيانات التي أدخلناها في نموذجنا لم يتضمنوا عددًا كافيًا من السود، لم يتمكن النموذج من التعرف بدقة على الأنماط التي تهم هذه الفئة من السكان.
إضافة التنوع إلى نماذج التدريب وفرق البيانات
من الواضح أننا بحاجة إلى تدريب أنظمة الذكاء الاصطناعي ببيانات أكثر قوة تمثل نطاقًا أوسع من المرضى.
نحتاج أيضًا إلى طرح الأسئلة الصحيحة للبيانات والتفكير مليًا في كيفية تأطير المشكلات التي نحاول حلها.
في جلسة أدارتها في المؤتمر السنوي للمرأة في علوم البيانات (WiDS) في مارمارس،م الدكتور جينوس يزداني من مستشفى زوكربيرج سان فرانسيسكو العام مثالاً على سبب تأطير الأمور: بدون سياق مناسب، يمكن أن يتوصل الذكاء الاصطناعي إلى استنتاجات غير منطقية مثل الاستنتاج أن زيارة قسيس المستشفى ساهمت في وفاة المريض (في حين أن الأمر كان العكس تمامًا – جاء القس لأن المريض كان يحتضر).
لفهم مشاكل الرعاية الصحية المعقدة والتأكد من طرح الأسئلة الصحيحة، نحتاج إلى فرق متعددة التخصصات تجمع بين علماء البيانات والخبراء الطبيين، وكذلك علماء الأخلاق وعلماء الاجتماع.
خلال جلسة WiDS، أوضحت زميلتي في جامعة ستانفورد، الدكتورة سيلفيا بليفريتيس، سبب كون مختبرها نصف باحث في مجال السرطان ونصف علماء بيانات. قالت: “في نهاية اليوم، تريد الإجابة على سؤال طبي حيوي أو تريد حل مشكلة طبية حيوية”. نحن بحاجة إلى أشكال متعددة من الخبرة تعمل معًا لبناء أدوات قوية يمكنها تحديد سرطان الجلد أو التنبؤ بما إذا كان المريض سينتهي به المطاف في المستشفى.
نحتاج أيضًا إلى التنوع في فرق البحث وفي قيادة الرعاية الصحية لمعرفة المشكلات من زوايا مختلفة وتقديم حلول مبتكرة إلى الطاولة.
لنفترض أننا نبني نموذجًا للذكاء الاصطناعي للتنبؤ بالمرضى الذين من المرجح أن يتخطوا المواعيد.
قد تقلب الأمهات العاملات في الفريق السؤال رأساً على عقب ويسألن بدلاً من ذلك عن العوامل التي من المرجح أن تمنع الأشخاص من تحديد موعدهم، مثل تحديد موعد لجلسة في منتصف وقت الالتقاء بعد المدرسة.
هناك حاجة لممارسي الرعاية الصحية في تطوير الذكاء الاصطناعي
الجزء الأخير من اللغز هو كيفية وضع أنظمة الذكاء الاصطناعي موضع التنفيذ.
يجب أن يكون قادة الرعاية الصحية مستهلكين مهمين لهذه التقنيات الجديدة البراقة وأن يسألوا كيف سيعمل الذكاء الاصطناعي لجميع المرضى في رعايتهم.
يجب أن تتلاءم أدوات الذكاء الاصطناعي مع تدفقات العمل الحالية بحيث يستخدمها مقدمو الخدمة بالفعل (ويواصلون إضافة البيانات إلى النماذج لجعلها أكثر دقة).
يؤدي إشراك ممارسي الرعاية الصحية والمرضى في تطوير أدوات الذكاء الاصطناعي إلى المنتجات النهائية التي من المرجح أن يتم استخدامها بنجاح ويكون لها تأثير على الرعاية ونتائج المرضى.
لا ينبغي أن يكون جعل الأدوات التي يحركها الذكاء الاصطناعي تعمل للجميع أولوية بالنسبة للفئات المهمشة فقط. البيانات السيئة والنماذج غير الدقيقة تضر بنا جميعًا.
خلال جلسة WiDS الخاصة بنا، ناقشت الدكتورة يزداني برنامج الذكاء الاصطناعي الذي طورته للتنبؤ بنتائج مرضى التهاب المفاصل الروماتويدي. تم إنشاء النموذج في الأصل باستخدام بيانات من مستشفى بحثي وتعليمي أكثر ثراءً. عندما أضافوا بيانات من مستشفى محلي يخدم مجموعة متنوعة من المرضى، لم يقتصر الأمر على تحسين توقعات الذكاء الاصطناعي للمرضى المهمشين فحسب، بل جعل النتائج أكثر دقة للجميع، بما في ذلك المرضى في المستشفى الأصلي.
سيحدث الذكاء الاصطناعي ثورة في الطب من خلال التنبؤ بالمشاكل الصحية قبل حدوثها وتحديد أفضل العلاجات المخصصة لاحتياجاتنا الفردية.
من الضروري أن نضع الأسس الصحيحة في مكانها الآن للتأكد من أن الرعاية الصحية القائمة على الذكاء الاصطناعي تعمل للجميع.
المصدر: venturebeat
قد يهمك:
