現代生活の多くの側面は、健康と健康のさまざまな側面を含む人工知能によってますます強化されつつあります。 コンピュータが人間が指向するヘルスケア介入よりも優れたパフォーマンスを出すには、どれくらいの時間が必要ですか？ おそらくもっと重要なことは、人間が人間以外の人間を信用する前にどれくらいの期間、それを扱うことができるのだろうか？ この2つの質問は、医療学習における機械学習技術とロボット技術の可能性に関する議論に焦点を当てるかもしれない。
コンピュータはますます人間に似た方法で「考える」ことができます。 準備が整っているかどうかに関わらず、最近のコグニティブコンピューティングの発展は、コンピュータ化されたコーチングとヘルスケアの時代が到来したことを示しています。
健康情報を統計的に分析する
私たちがインターネットを購入したり閲覧したりするたびに、あらゆる種類の私的で親密な情報を共有していることは秘密ではありません。 小売業者のターゲットが、買い物習慣に基づいて妊娠していた女性が妊娠していた場合に驚異的な精度で予測できる世界を示したとき、ひどくカジュアルな行動を予測することで、家族のメンバー。
多くの個人的な詳細は、習慣や特徴をより深く理解するために、定期的に統計的に分析されます。 これらの慣行の一部は、自発的にユーザーの完全な意識と支援を得て行われますが、組織や企業によって密かに実行されるものもあります。
自発的に追跡行動は、特定の倫理的および社会的問題を提起する。
多くの個人は、健康リスクアセスメントを介した明示的な共有、偶然に着用可能なものを通して、時にはソーシャルメディアの投稿や購入行動を通じて、さまざまな方法で個人の健康情報を自由に共有します。
この情報を分析して解釈できる正確さが増しているので、危険と機会の両方を生み出し、可能な限り技術が健康と幸福を肯定的に振る舞う役割を果たす新しい時代の最前線に位置する可能性があります。
健康をパーソナライズし、誤診の問題を解決する
医師の診断ミスは大きな懸念事項です。 過失またはオプションの豊富さを考慮しなかった結果、これらの間違いは患者とその家族にとって壊滅的なことがあります。 バーミンガムのアラバマ大学のEta Berner教授とNorthport VAメディカルセンターのMark L. Graber博士は、医療事例の推定10〜20％が誤診されていることを発見しました。 BernerとGraberは、効率的な認知プロセスは、ほとんどの場合、正しい診断を保証すると指摘しています。 しかし、これらの認知プロセスが失敗する時があります。 BernerとGraberの分析によれば、医師の過信は医療過誤の原因となることが多い。 さらに、ヘルスケアリサーチアンドクオリティ庁から資金提供を受けた報告書では、すべての診断ミスの28％が重症で重大であり、生命を脅かす可能性があることが示された。
誤診は、間違った薬を処方することから、間違った身体部分を外科的に除去することまでを含む可能性がある。
この驚くべき統計は、既存の問題が人的要因を単純に外すことによって解決できると主張する者もいるかもしれない。 IBMのWatsonのようなテクノロジーは、より人道的な方法で情報を合成し、熟考できるという希望を現在提供しています。 ワトソンの認知技術は、非構造化データを分析し、複雑な質問を理解し、エンドユーザーに証拠ベースのソリューションを提示する能力を持っています。
Watsonは、現実の状況で適用されたときに必ずしも成功したとは必ずしも言えない予測アルゴリズムを強化することを目指しています。
しかし、ワトソンの予測可能性よりも挑発的なことは、その技術が健康やフィットネスの介入に関して人間より優れている可能性である。
IBM Watsonは2015年にCVS Healthとの戦略的パートナーシップを結成し、コマーシャル・ヘルスケア業界におけるコグニティブ・コンピューティングの到来を発表しました。 医師や薬剤師は、すぐに患者の健康状態の低下を自動的に検出できる技術にアクセスできるようになりました。
2016年に署名されたUnder ArmourとIBMの提携により、Watsonは健康プラットフォームをさらに構築し、開発する機会を得ました。 Appleはまた、HealthKITおよびResearchKIT開発プラットフォームを改善する目的で、Watsonプラットフォームに大幅な投資を行った。 Grand View Research Inc.のレポートによると、世界の医療用コグニティブコンピューティング市場は、2020年までに50億ドル以上に達すると予測されています。
科学的研究研究はまた、医学における誤りや害のリスクを最小限に抑えるための技術の使用を支援している。 Mark L. Graber博士は、電子健康記録を分析して不一致を探すことによって、診断エラーの危険性のある症例を特定することができる、いわゆる「トリガーツール」の使用を提案している。 アメリカの病院ではさまざまなタイプのトリガーツールが現在使用されていますが、診断エラーを常に検出できるわけではありません。 したがって、より良い予防介入を設計する努力がなされている。
Hardeep Singh博士らの有望なアプローチが提示されています。 彼らは、プライマリケア訪問の2週間以内に予定外の病院予約をしている患者を特定することができる電子トリガを設計し、初期検査中に何かが見逃された可能性があることを示唆している。 多くの専門家は、このようなテクノロジがエラーを防止したり、少なくともそれらを減らすために注意を促すのに役立つと予測しています。
人工知能の採用
2015年に、NHSイングランドの会長、マルコムグラント卿は、人工知能は医療の質を向上させるとともに、個人化医療を進めることができるため、医療によって受け入れられるべきであるという意見を述べました。 多くの医療専門家は、以来、この感情をエコーしてきました。 データマイニングを通じて診断エラーを確実に診断および/または特定できる技術は、それほど遠くない可能性があります。
ヘルスケア分野の認知コンピューティングは、現在、アドバイザリー・ロールでより多く使用されており、最終的な決定を下すことや人間自身を置き換えることはしていません。 例えば、ワトソンは、個人や組織がより高度で洗練された臨床判断を下すのを助け、すぐにアンダーアーマーとのパートナーシップを通じて個人のフィットネスレベルを向上させるのに役立ちます。 しかし、コンピュータがチェスのような知的スポーツの支配的な力として人間を追い越し、コンピューティングパワーが増えているのはほんの僅か前です。 さらに、人間の要素がコンピュータの処理特性に加わり、コンピュータやロボットが私たちの世話をしてくれたという考えは、これまでのように遠くまで奪われることはありません。
> ソース
> Berner E、Graber M.医学における診断上の誤りの原因としての自信。 アメリカ医学雑誌 。 2008; 121：S2-S23。
>グラバーML。 医学における診断ミスの発生率。 BMJの品質と安全性 。 2013; 22（Suppl 2）：ii21-ii27。 doi：10.1136 / bmjqs-2012-001615。
> Lupton D.デジタル時代の健康促進：重要な解説。 健康増進インターナショナル 2015; 30（1）：174-183
> Singh H、Giardina TD、Meyer AND、Forjuoh SN、Reis Singh H、Giardina TD、Meyer AND、Forjuoh SN、Reis MD、Thomas EJ。 プライマリケア設定における診断エラーの種類と起点 JAMA内科 。 2013; 173（6）：418-425。
> Thompson M.ヘルスケアと認知コンピューティングチームが大きく変化しました。 Econtent 。 2015：4-8。