Έκθεση κατάστασης σε μία ώρα αντί μετά από μια μέρα: στην Αφρική η τεχνητή νοημοσύνη βοηθά στη μάχη με τον Έμπολα, αλλά ειδικοί προειδοποιούν για αδιαφάνεια και κινδύνους.
Από τον Μάιο, ομάδες επί τόπου στη Λαϊκή Δημοκρατία του Κονγκό (ΛΔΚ) αντιμετωπίζουν τον ιό Έμπολα Bundibugyo. Κάθε μέρα οι λεγόμενοι health workers, δηλαδή οι εργαζόμενοι στην υγεία, χτυπούν πόρτες σπιτιών και προσφέρουν συμβουλές. Καταγράφουν περιπτώσεις ανάρρωσης και θανάτους και παραπέμπουν άτομα με ύποπτα συμπτώματα σε ιατρικές δομές.
ΔΙΑΦΉΜΙΣΗ
ΔΙΑΦΉΜΙΣΗ
Η γνώση αυτών των health workers, στα τετράδιά τους είναι καταγεγραμμένη η κατάσταση ολόκληρων κοινοτήτων, ψηφιοποιήθηκε, σύμφωνα με έκθεση της εταιρείας τεχνητής νοημοσύνης Anthropic.
Ποιος έχει αρρωστήσει; Με ποιον είχε επαφή το άτομο και πού βρισκόταν προτού μάθει για τη μόλυνσή του; Για την αξιολόγηση των απαντήσεων και των αναφορών χρησιμοποιήθηκε το μοντέλο Claude της Anthropic. Στη μελέτη συμμετείχαν, μεταξύ άλλων, η CEPI, το περιφερειακό γραφείο του ΠΟΥ για την Αφρική και το εθνικό βιοϊατρικό ερευνητικό ινστιτούτο INRB.
Η τεχνητή νοημοσύνη βοηθά να εκτιμηθεί πιο γρήγορα η εξάπλωση επιδημιών
«Ένα ενημερωτικό σημείωμα για την κατάσταση συντάσσεται μέσα σε μία ώρα αντί για ολόκληρη εργάσιμη ημέρα», εξηγεί η Δρ Marie Roseline Darnycka Belizaire, διευθύντρια για την ετοιμότητα και την αντιμετώπιση εκτάκτων αναγκών στο περιφερειακό γραφείο Αφρικής του Παγκόσμιου Οργανισμού Υγείας (WHO). Η τεχνητή νοημοσύνη μπορεί να βοηθήσει να εκτιμηθεί πιο γρήγορα η εξάπλωση επιδημιών και να κατευθυνθεί πιο στοχευμένα η ιατρική βοήθεια, όπως σημείωσε η αναπληρώτρια του ΠΟΥ στη σκηνή του World Health Summits.
Κατά την ανάλυση των δεδομένων εντοπίστηκαν πιθανά σημεία έξαρσης και έγιναν προετοιμασίες, όπως η μεταφορά αποθεμάτων ιατροφαρμακευτικού υλικού σε κρίσιμους κόμβους ή περιοχές υψηλού κινδύνου.
Αυτό μπορεί να αποδειχθεί κρίσιμο σε μια έκτακτη ανάγκη. Όσο νωρίτερα οι υγειονομικές αρχές αντιδρούν σε έναν πιθανό ξέσπασμα, τόσο καλύτερα μπορούν να προετοιμαστούν και να οργανώσουν τη φροντίδα. Η τεχνητή νοημοσύνη καλείται να βοηθήσει στην ταχύτερη ανάλυση πληροφοριών από διαφορετικές πηγές και να στηρίξει τις αποφάσεις των υπευθύνων.
Αυτό το θετικό παράδειγμα χρήσης της τεχνητής νοημοσύνης στη φροντίδα υγείας δείχνει σε ποιο επίπεδο μπορεί να αξιοποιηθεί η ΚΙ με σχετικά μικρό ρίσκο. Οι ειδικοί βλέπουν πάντως πολύ περισσότερες δυνατότητες για τη μελλοντική εφαρμογή της.
Η τεχνολογία θα μπορούσε να βελτιώσει τις διαγνώσεις, να απαλλάξει το ιατρικό προσωπικό από διοικητικά καθήκοντα και να βοηθήσει στην πιο στοχευμένη χρήση των περιορισμένων πόρων. Ταυτόχρονα, όμως, τίθενται θεμελιώδη ερωτήματα: Πόσο αξιόπιστα είναι τα αποτελέσματα; Μπορούν οι επαγγελματίες υγείας να κατανοήσουν πώς μια ΚΙ φτάνει σε μια απόφαση; Και ωφελούνται πραγματικά οι ασθενείς;
Η τεχνητή νοημοσύνη ως στήριγμα για το υπερφορτωμένο υγειονομικό προσωπικό
Σε όλο τον κόσμο αυξάνεται η ανάγκη για ιατρική φροντίδα. Ταυτόχρονα, σε πολλές περιοχές λείπουν προσωπικό, χρόνος και υλικό. Για τον Δρ Thomas Zapata, διευθυντή της WHO Academy στη Λυών, εκεί βρίσκεται ένα βασικό πεδίο για την αξιοποίηση της τεχνητής νοημοσύνης.
«Πρέπει να σκεφτούμε ένα παράδοξο με το οποίο ερχόμαστε σήμερα αντιμέτωποι. Έχουμε παγκοσμίως περισσότερους επαγγελματίες υγείας από ποτέ, διαθέτουμε πρωτοφανείς τεχνολογίες», σημείωσε ο Zapata σε συζήτηση στο World Health Summit. Παρ’ όλα αυτά, σύμφωνα με τον ίδιο, υπάρχει τεράστια έλλειψη υγειονομικού προσωπικού. «Η ζήτηση για υπηρεσίες υγείας αυξάνεται συνεχώς.»
Βλέπει την τεχνητή νοημοσύνη ως έναν τρόπο να μειωθεί αυτό το κενό. Καθοριστικό, όμως, είναι να μην αντιμετωπίζεται ως αυτοσκοπός, αλλά ως εργαλείο που εντάσσεται στα υφιστάμενα συστήματα υγείας.
«Η ΚΙ είναι ένας διευκολυντής, ένα μέσο για έναν σκοπό. Αυτή τη στιγμή είμαστε πολύ γοητευμένοι από την τεχνολογία και την ΚΙ, αλλά νομίζω ότι πρέπει να την εντάξουμε στη σωστή θέση μέσα στο σύστημα υγείας», προειδοποιεί ο Zapata. Για τον ίδιο, η τεχνητή νοημοσύνη ταιριάζει σε δύο σημεία: αφενός μπορεί να αλλάξει τον τρόπο με τον οποίο οργανώνεται η ιατρική φροντίδα· αφετέρου πρέπει και η εκπαίδευση και μετεκπαίδευση του υγειονομικού προσωπικού να προσαρμοστούν στις νέες δυνατότητες.
Τελικά, η ΚΙ μπορεί να συμβάλει στη μείωση της εργασιακής επιβάρυνσης, στη βελτιστοποίηση διοικητικών διαδικασιών, στη βελτίωση της κλινικής λήψης αποφάσεων και στη βελτίωση της διαδικασίας διάγνωσης. Ιδιαίτερα σημαντικό για τον ίδιο είναι ότι η τεχνολογία απελευθερώνει χρόνο για όσα δεν μπορούν και δεν πρέπει να αυτοματοποιηθούν εύκολα: τη φροντίδα των ασθενών.
Ειδικά η κρίση Έμπολα στη Λαϊκή Δημοκρατία του Κονγκό έδειξε ότι λείπει η εμπιστοσύνη στα τοπικά συστήματα υγείας.
Έτσι μένει στους γιατρούς περισσότερος χρόνος για τους ανθρώπους
Ακριβώς εκεί όπου το ιατρικό προσωπικό εργάζεται υπό έντονη χρονική πίεση, οι αυτοματοποιημένες διαδικασίες μπορούν να κάνουν τη διαφορά. Η Δρ Cecilia Mbaca, Senior Technical Advisor για την υγεία και τις έκτακτες ανάγκες στη μη κυβερνητική οργάνωση CARE, γνωρίζει τις προκλήσεις από πάνω από 15 χρόνια εργασίας στην πρώτη γραμμή.
Για την ίδια τρία ερωτήματα είναι καθοριστικά: Μπορεί η ΚΙ να υποστηρίξει ιατρικές αποφάσεις; Μπορεί να αναλάβει επαναλαμβανόμενα καθήκοντα; Και βοηθά ώστε η φροντίδα να προσαρμόζεται περισσότερο στις ατομικές ανάγκες των ασθενών;
«Αν η ΚΙ κάνει αυτή τη δουλειά πολύ καλά, μένει περισσότερος χρόνος για τις προσωπικές πτυχές της φροντίδας, ώστε να μπορούμε να κάνουμε ερωτήσεις, να ακούμε, να εξετάζουμε τους ασθενείς και να τους παραπέμπουμε στο επόμενο επίπεδο φροντίδας», εξηγεί επίσης η Δρ Cecilliah Mbaka, Senior Technical Advisor για την υγεία και τις έκτακτες ανάγκες στη CARE.
Η ίδια έχει εργαστεί για πάνω από 15 χρόνια στην πρώτη γραμμή, με ελάχιστη υποστήριξη, περιορισμένους πόρους και μεγάλη εργασιακή επιβάρυνση.
Ιδίως στις επιδημίες, δεν πρόκειται μόνο για ιατρικά δεδομένα. Η εμπιστοσύνη του πληθυσμού παίζει επίσης σημαντικό ρόλο. Οι άνθρωποι πρέπει να μπορούν να εμπιστευτούν ότι σε μια δομή υγείας θα προστατευτούν και θα λάβουν κατάλληλη φροντίδα. Στις πληγείσες κοινότητες αυτή η εμπιστοσύνη μπορεί να είναι καθοριστική για το αν οι ασθενείς θα αναζητήσουν έγκαιρα ιατρική βοήθεια.
Εκτιμάται ότι περίπου το 50% των θανάτων συμβαίνουν στα χωριά της ΛΔΚ και όχι σε ιατρικές δομές, σύμφωνα με τον επιδημιολόγο Maximilian Gertler. Το τοπικό σύστημα υγείας βρίσκεται υπό πίεση και δεν ήταν προετοιμασμένο για το ξέσπασμα του Έμπολα. Χιλιάδες προστατευτικές στολές χρειάζονται κάθε μέρα, ώστε το προσωπικό φροντίδας να προστατεύεται από επιμόλυνση. Η Γερμανία αύξησε πρόσφατα τη βοήθειά της κατά 21 εκατομμύρια ευρώ.
Η ΚΙ μπορεί, λοιπόν, να υποστηρίξει την οργάνωση της φροντίδας. Δεν μπορεί όμως από μόνη της να εξασφαλίσει ότι οι άνθρωποι θα εμπιστεύονται τις δομές υγείας. Όπως επισημαίνουν και οι ίδιοι οι ειδικοί στην ΚΙ, συχνά ο δρόμος προς τη διάγνωση παραμένει σήμερα αδιαφανής.
Πρόβλημα διαφάνειας: Πώς καταλήγει η τεχνητή νοημοσύνη στη διάγνωσή της;
Σύγχρονα συστήματα τεχνητής νοημοσύνης μπορούν να αναλύουν μεγάλους όγκους δεδομένων και να αναγνωρίζουν μοτίβα που ίσως διαφεύγουν από τους ανθρώπους. Συχνά, όμως, παραμένει ασαφές πώς ακριβώς καταλήγουν στα αποτελέσματά τους.
Ο Δρ Thomas Thesen, καθηγητής ιατρικής εκπαίδευσης και πληροφορικής στη Geisel School of Medicine του αμερικανικού Dartmouth University, περιγράφει αυτό το πρόβλημα ως εξής: «Είναι εξαιρετικά ικανοί στο να αναγνωρίζουν μοτίβα, αλλά είναι πραγματικά κακοί στο να μας εξηγήσουν τι είναι αυτά τα μοτίβα». Τα chatbots και τα large language models, όπως το Claude ή το ChatGPT, έχουν αυτό που ο ίδιος αποκαλεί πρόβλημα εξήγησης. Η τεχνητή νοημοσύνη παραμένει εδώ ένα «μαύρο κουτί».
Αυτό είναι ιδιαίτερα σημαντικό στο σύστημα υγείας. Όταν ένα σύστημα παρέχει μια διάγνωση ή μια σύσταση θεραπείας, οι επαγγελματίες υγείας πρέπει να μπορούν να εκτιμήσουν αν είναι λογική στην εκάστοτε περίπτωση. Ένα αποτέλεσμα από μόνο του δεν αρκεί πάντα· και η διαδρομή μέχρι εκεί πρέπει να είναι κατανοητή.
«Αυτό, λοιπόν, είναι το πρόβλημα της δυνατότητας εξήγησης. Δεν μπορούν να εξηγήσουν, σε γλώσσα κατανοητή από ανθρώπους, πώς φτάνουν σε αυτές τις καταστάσεις.»
Το λεγόμενο πρόβλημα του «μαύρου κουτιού» δεν αφορά μόνο τη διαφάνεια, αλλά και την ευθύνη: ποιος ευθύνεται όταν μια ΚΙ δίνει λάθος σύσταση; Και για την Δρ Mbaka είναι κρίσιμο η ΚΙ να μην προσφέρει απλώς αποτελέσματα, αλλά να υποστηρίζει ουσιαστικά τη διαδικασία λήψης αποφάσεων.
Ειδικός: Η τεχνητή νοημοσύνη δεν πρέπει να υποκαθιστά τη μάθηση στην εκπαίδευση
Και στην εκπαίδευση των επαγγελματιών υγείας η τεχνητή νοημοσύνη μπορεί να βοηθήσει, για παράδειγμα κάνοντας τις πληροφορίες πιο άμεσα προσβάσιμες ή υποστηρίζοντας επαναλαμβανόμενα καθήκοντα. Όμως ειδικά στη μάθηση, ο Thesen, καθηγητής ιατρικής εκπαίδευσης και πληροφορικής, βλέπει κινδύνους.
Παραπέμπει σε μια μελέτη στην οποία συγκρίθηκε η αναζήτηση πληροφοριών μέσω συμβατικών μηχανών αναζήτησης με τη χρήση ενός KI-Chatbots. Οι φοιτητές που χρησιμοποίησαν τον chatbot διέθεταν, σύμφωνα με τη μελέτη, πιο επιφανειακή γνώση, λιγότερο καλά εμπεδωμένη.
«Τέτοιες, οι λεγόμενες, επιθυμητές δυσκολίες είναι στην πραγματικότητα πολύ σημαντικές για τη μαθησιακή διαδικασία. Κι αν εκχωρήσει κανείς όλο το γνωστικό μέρος της μάθησης σε έναν chatbot – κάτι που μπορεί να είναι πολύ αποτελεσματικό – στην πραγματικότητα δεν μαθαίνει τίποτα.»
Όποιος πρέπει να αποκτήσει μόνιμα γνώση δεν θα πρέπει, σύμφωνα με τον ίδιο, να αφήνει κάθε πνευματική εργασία σε μια ΚΙ. Ιδίως στην ιατρική μπορεί να είναι κρίσιμο να μπορεί κανείς να λάβει σωστές αποφάσεις ακόμη και όταν η τεχνική υποστήριξη δεν είναι διαθέσιμη.
Γι’ αυτό και ο Thesen συνιστά η ΚΙ να χρησιμοποιείται κυρίως εκεί όπου μειώνει την εργασιακή επιβάρυνση. Όπου, αντίθετα, πρόκειται να κατανοήσουμε και να διατηρήσουμε μακροπρόθεσμα τη γνώση, η αυτόνομη μάθηση πρέπει να διατηρήσει τον ρόλο της.