AI katika Huduma za Afya Inakwenda Kasi Kuliko Wadhibiti Wanavyoweza Kufuatilia. Hiki Ndicho Kilichotumika Kweli.

AI katika huduma za afya imevuka hatua ya majaribio. Katika radiolojia, patholojia, huduma za msingi, ugunduzi wa dawa, na usimamizi wa kliniki, mifumo ya AI haifanyiwi tathmini tena. Inafanya kazi katika michakato halisi ya kazi, inaathiri utambuzi wa magonjwa, na inabadilisha jinsi taasisi za kliniki zinavyopanga wafanyakazi na kusimamia shughuli zao. Mifumo ya udhibiti iliyobuniwa kusimamia vifaa vya matibabu inashughulikia lundo la maombi ya AI linalokua kwa kasi kuliko mchakato wa uidhinishaji unavyoweza kuyamaliza. Matokeo yake ni pengo kubwa kati ya kinachotumika na kile kilichothibitishwa kwa ukali.

Mahali AI Tayari Imejikita Katika Mazoezi ya Kliniki

Radiolojia ina kiwango cha juu zaidi cha matumizi ya AI kuliko fani nyingine yoyote ya kliniki. Algorithimu zilizoidhinishwa na FDA za kugundua pneumothorax, embolia ya mapafu, kuvuja damu ndani ya fuvu, na saratani ya matiti kwenye picha za uchunguzi zinafanya kazi katika hospitali kote Marekani na Umoja wa Ulaya. Mifumo kadhaa ya afya imeanzisha mifumo ya AI ya kupanga kipaumbele (triage) inayoweka alama kwenye matokeo ya dharura na kuyapeleka mbele ya foleni ya usomaji bila kujali picha iliagizwa lini. Mabadiliko haya yamepunguza kwa kipimo dhahiri muda wa kuanza matibabu kwa hali ambazo saa chache zina umuhimu mkubwa.

Uandishi wa nyaraka za kliniki ni eneo la pili kubwa la utekelezaji. Zana za AI za uandishi (scribing), yaani mifumo ya kusikiliza mazingira inayonakili na kupanga mazungumzo ya kliniki moja kwa moja kwenye EHR (mfumo wa kielektroniki wa kumbukumbu za afya), zimekubaliwa na mifumo mikubwa ya afya na pia zahanati huru. Akiba ya muda ni kubwa: madaktari wanaripoti kupata tena dakika 60 hadi 90 kila siku ambazo hapo awali zilitumika kuandika nyaraka. Epic, muuzaji mkuu wa EHR, ameunganisha uandishi wa nyaraka wa AI wa kusikiliza mazingira ndani ya mfumo wake, ikimaanisha kuwa utekelezaji hauhitaji tena mradi tofauti wa usakinishaji.

Ugunduzi wa dawa umeshuhudia matokeo ya kisayansi yenye mvuto mkubwa zaidi. Utabiri wa muundo wa protini wa AlphaFold umekuwa miundombinu ya kawaida kwa hatua za awali za uundaji wa dawa katika kampuni kuu za dawa. Molekuli zilizobuniwa na AI zinaingia katika majaribio ya kliniki kwa binadamu. Kasi ya kutambua walengwa wa dawa na kuzalisha misombo ya awali imeongezeka kiasi cha kubadilisha jinsi kampuni za dawa zinavyopanga wafanyakazi wa shughuli zao za ugunduzi.

Mahali Pengo la Udhibiti Linapozaa Hatari

Njia ya uidhinishaji ya 510(k) ya FDA, iliyobuniwa kwa vifaa vya matibabu vyenye kifaa rejea cha awali, haikujengwa kwa mifumo ya AI inayojisasisha mfululizo, inayofanya kazi kwa viwango tofauti kati ya makundi ya wagonjwa, na inayoweza kudorora pale usambazaji wa data ya kuingiza unapobadilika. Algorithimu iliyoidhinishwa kwa kutumia data ya picha ya hospitali moja inaweza kufanya vibaya zaidi kwenye picha za hospitali nyingine ikiwa mashine za skana, idadi ya wagonjwa, au itifaki za upigaji picha zinatofautiana. Mahitaji ya ufuatiliaji wa utendaji baada ya kuingia sokoni kwa vifaa vya matibabu vya AI yapo, lakini yanakubalika sana kuwa hayatoshi kugundua kudorora kwa utendaji katika matumizi halisi.

Tatizo la upendeleo wa algorithimu katika AI ya afya limeandikwa na ni zito. Tafiti kadhaa zimeonyesha kuwa zana za kibiashara za uchunguzi za AI zinafanya vibaya zaidi kwa wagonjwa kutoka makundi yasiyowakilishwa vya kutosha katika data ya mafunzo. AI ya ngozi iliyofunzwa hasa kwa ngozi nyepesi ina usahihi wa chini zaidi kwa ngozi nyeusi. Algorithimu ya kutabiri sepsis iliyothibitishwa kwa idadi ya wagonjwa wa kituo cha matibabu cha kitaaluma cha Marekani inaweza kukosea vipimo inapotumika katika hospitali ya jamii yenye idadi tofauti ya wagonjwa. Hizi si hatari za nadharia tu. Ni matokeo yaliyoandikwa kutoka kwa mifumo inayotumika.

Maana Yake kwa Taasisi za Afya Zinazotathmini AI

Swali sahihi kwa uamuzi wowote wa kupokea AI ya afya si "je, hii imeidhinishwa na FDA" bali "je, hii imethibitishwa kwa kundi la wagonjwa na mazingira ya kliniki yanayofanana na yetu?" Idhini ya FDA inakuambia kuwa algorithimu ilifikia kiwango cha udhibiti wakati fulani. Haikuambii kuwa itafanya vizuri katika muktadha wako mahususi.

Miundo ya utawala wa usimamizi wa AI, ikiwemo kamati za AI ya kliniki, itifaki za ufuatiliaji wa utendaji, na masharti ya kuhusisha binadamu katika maamuzi yenye hatari kubwa, inakuwa jambo lisiloweza kuepukika kwa utekelezaji wenye uwajibikaji. Taasisi zinazotumia AI bila miundo hii zinachukua hatari za kitaasisi na za dhima ambazo zitajitokeza wazi utendaji utakapoharibika.

Funzo la vitendo: Ikiwa unatathmini zana za AI kwa matumizi ya huduma za afya, mtake muuzaji akupe data ya utendaji iliyogawanywa kwa makundi madogo ya idadi ya watu na aeleze mbinu yake ya ufuatiliaji baada ya kuingia sokoni. Maombi yote mawili yatakuambia mengi kuhusu kama muuzaji amefikiria kwa dhati utekelezaji katika ulimwengu halisi.