On l'a dit assez souvent, mais l'IA s'avère changer la donne dans le secteur de la santé. De simples participants passifs à la chaîne des soins de santé, les patients prennent désormais en charge leur santé grâce à des systèmes de surveillance des patients étanches alimentés par l'IA, des appareils portables, des informations visualisées sur leur état, etc. Du point de vue des médecins et des prestataires de soins de santé, l'IA ouvre la voie aux bras robotiques, aux modules d'analyse et de diagnostic sophistiqués, aux robots chirurgicaux d'assistance, aux ailes prédictives pour détecter les troubles et les problèmes génétiques, etc.
Cependant, alors que l'IA continue d'influencer les aspects de la santé, ce qui augmente également, ce sont les défis associés à la génération et à la maintenance des données. Comme vous le savez, un module ou un système d'IA ne peut fonctionner correctement que s'il a été formé avec précision avec des ensembles de données pertinents et contextuels pendant une période prolongée.
Dans le blog, nous explorerons les défis uniques auxquels les experts et les spécialistes de la santé sont confrontés lorsque les cas d'utilisation de l'IA dans les soins de santé ne cessent d'augmenter en termes de complexité.
1. Défis liés au maintien de la confidentialité
La santé est un secteur où la confidentialité est cruciale. D'après les détails qui entrent dans le dossiers de santé électroniques des patients et des données collectées au cours des essais cliniques aux données transmises par les appareils portables pour la surveillance à distance des patients, chaque centimètre carré dans l'espace de soins de santé exige la plus grande confidentialité.
Si la confidentialité est si importante, comment les nouvelles applications d'IA déployées dans les soins de santé sont-elles formées ? Eh bien, dans plusieurs cas, les patients ne savent généralement pas que leurs données sont utilisées à des fins d'étude et de recherche. Les réglementations mentionnées par HIPAA impliquent également que les organisations et les prestataires de soins de santé peuvent utiliser les données des patients pour les fonctions de soins de santé et partager des données et des informations avec les entreprises concernées.
Il existe des tonnes d'exemples concrets pour cela. Pour une compréhension de base, sachez que Google maintient fermement une entente de recherche de 10 ans avec Mayo Clinic et partage un accès limité aux données qui sont anonymisé ou anonymisé.
Bien que cela soit assez flagrant, plusieurs startups basées sur l'IA qui travaillent au déploiement de solutions d'analyse prédictive sur le marché sont généralement assez muettes sur leurs sources de données de formation en IA de qualité. Ceci est évidemment dû à des raisons de concurrence.
Étant un sujet si sensible, la vie privée est quelque chose que les vétérans, les experts et les chercheurs tiennent de plus en plus à un chapeau blanc permanent. Il existe des protocoles HIPAA pour l'anonymisation des données et des clauses de réidentification en place. À l'avenir, nous devrons travailler sur la manière dont la confidentialité peut être établie de manière transparente tout en développant simultanément des solutions d'IA avancées.
2. Défis liés à l'élimination des biais et des erreurs
Les erreurs et les biais dans le secteur de la santé pourraient s'avérer mortels pour les patients et les organisations de santé. Les erreurs résultant de cellules mal placées ou mal alignées, de léthargie ou même de négligence pourraient modifier le cours de la médication ou le diagnostic des patients. Un rapport publié par la Pennsylvania Patient Safety Authority a révélé qu'environ 775 problèmes dans les modules EHR ont été identifiés. De ce nombre, les erreurs liées à l'homme représentaient environ 54.7 % et les erreurs liées à la machine près de 45.3 %.
Outre les erreurs, les biais sont une autre cause grave qui pourrait entraîner des conséquences indésirables dans les entreprises de soins de santé. Contrairement aux erreurs, les biais sont plus difficiles à repérer ou à identifier en raison de l'inclination inhérente à certaines croyances et pratiques.
Un exemple classique de la façon dont les biais pourraient être mauvais provient d'un rapport, qui partage que les algorithmes utilisés pour détecter le cancer de la peau chez l'homme ont tendance à être moins précis sur les tons de peau plus foncés, car ils ont été principalement formés pour détecter les symptômes sur les tons de peau clairs. La détection et l'élimination des biais sont cruciales et la seule voie à suivre pour une utilisation fiable de l'IA dans les soins de santé.
3. Défis liés à l'établissement de normes de fonctionnement
L'interopérabilité des données est un mot important à retenir dans le domaine de la santé. Comme vous le savez, la santé est un écosystème d'éléments divers. Vous avez des cliniques, des centres de diagnostic, des centres de réadaptation, des pharmacies, des ailes de R&D, et plus encore. Souvent, plusieurs de ces éléments nécessitent des données pour fonctionner aux fins prévues. Dans de tels cas, les données collectées doivent être uniformes et standardisées de manière à ce qu'elles se ressemblent et se lisent de la même manière, peu importe qui les regarde.
En l'absence de standardisation, le chaos règnera, chaque élément conservant sa propre version du même enregistrement. Ainsi, quiconque regarde un ensemble de données sous un nouvel angle est automatiquement perdu et a besoin de l'aide de l'autorité concernée pour comprendre le contenu de l'ensemble de données.
Pour éviter cela, la normalisation doit être rendue plus efficace entre les entités. La signification, les formats, les conditions et les protocoles spécifiques doivent être clairement définis pour une adhésion obligatoire. Ce n'est qu'alors que ces données pourraient être interopérables de manière transparente.
4. Défis liés au maintien de la sécurité
La sécurité est une autre préoccupation cruciale dans le domaine de la santé. C'est ce qui s'avérera le plus coûteux lorsque les aspects liés à la confidentialité des données seront moins pris au sérieux. Les données de santé sont un trésor d'informations pour les pirates et les exploiteurs et dernièrement, il y a eu des tonnes d'exemples de violations de la cybersécurité. Des ransomwares et d'autres attaques malveillantes ont été menées dans le monde entier.
Même au milieu de la pandémie de Covid-19, près de 37% des répondants à un sondage partagé qu'ils avaient subi une attaque de ransomware. La cybersécurité est essentielle à tout moment.
Récapitulation
Les défis liés aux données dans le domaine de la santé ne se limitent pas à ceux-ci. Au fur et à mesure que nous comprenons l'intégration et le fonctionnement avancés de l'IA dans les soins de santé, les défis ne font que devenir plus complexes, se chevauchent et s'entremêlent.
Comme toujours, nous trouverions un moyen de relever les défis et de céder la place à des systèmes d'IA sophistiqués qui promettent de faire la médecine AI plus précis et accessible.
