Во изминатите години, повеќето од големите американски технолошки компании заедно со многу стартапи, фармацевтски компании и други влегоа во здравствениот сектор. Со голема анализа на податоци, вештачка интелигенција (ВИ) и други нови методи, тие ветуваат дека ќе ги намалат трошоците со кои се борат здравствените системи, ќе го променат од корен начинот како докторите донесуваат медицински одлуки и ќе нè спасат од нас самите. Што може да тргне наопаку?
Многу нешта. Во книгата „Оружја за математичко уништување“, аналитичарката на податоци Кети О’Нил наведува многу примери како со алгоритмите и податоците може да настанат пропусти што никој не ги очекува. Користењето слични модели на транспарентни алгоритми за повратни информации во финансискиот, осигурителниот, образовниот и законодавниот сектор може особено да предизвика големи разлики и штета.
Ниту здравствениот сектор не е поштеден. Медицинските податоци на пациентите се подложни на субјективно клиничко донесување одлуки, медицински грешки и развојни практики, а квалитетот на поголеми групи на податоци честопати се намалува поради губење на медицинските картони, пропусти во наодите и недостиг од структура и стандардизација. Сепак, револуцијата на големи податоци во здравството се продава толку лесно како воопшто да не постојат овие ограничувања, а уште полошо е што медицинските лица наседнуваат на трендот.
Се смета дека ваквите промени вредат сè додека нудат некаква корист. Но ние не можеме со сигурност да знаеме дали аналитичарите на податоци и вештачката интелигенција навистина придонесуваат за промени без масовни емпириски истражувања. Не само што недостигаат докази туку и не постои инфраструктура или регулаторна рамка. Апликациите за големи податоци се воведуваат во здравствените системи како да се безопасни и несомнено корисни.
Со оглед на тоа што големите технолошки компании немаат искуство во здравството, таквите пристапи не треба да изненадуваат и покрај напорите да нè убедат во спротивното. Уште полошо е што во време кога индивидуалната приватност станува сè поголем луксуз од право, алгоритмите што сè повеќе управуваат со нашите животи стануваат недостапни црни кутии заштитени од јавноста или регулаторните контроли ги штитат корпоративните интереси. Во случајот со здравството, алгоритамската дијагностика и моделите за донесување одлуки даваат резултати што самите доктори не ги разбираат.
Иако многумина што влегуваат во здравствено-технолошкиот сектор имаат добри намери, актуелниот пристап во индустријата е фундаментално неетички и лошо информиран. Никој не се противи на технолошкото подобрување на здравствениот систем, но пред да се склучи партнерство со технолошките компании, здравствените работници и даватели на услуги во тој сектор треба да го подобрат разбирањето на полето на здравствената технологија.
Како прво, треба да се запомни дека заклучоците од анализата на податоците се добиваат преку статистика и математика, кои наложуваат една своја форма на писменост. Кога алгоритамот детектира „причинско-последична врска“ или друг сличен сигнал, таквата информација може да биде важна за хипотетички истражувања. Но кога станува збор за вистинско носење одлуки, математичките модели на предвидување се веродостојни онолку колку и самите податоци што ги вклучуваат. Затоа што нивните суштински претпоставки се базирани на веќе познати факти, тие даваат приказ на минатото и сегашноста, но не и на иднината. Таквите апликации имаат далекосежен потенцијал за да го подобрат здравствениот систем и да ги намалат трошоците, но придобивките не се загарантирани.
Друга клучна област е вештачката интелигенција, која наложува користење сопствен систем, односно правила и логика што одредуваат како функционира системот, и пристап до огромни сензитивни податоци. Целта е да се изгради систем што ќе може сам да се научи како да дава оптимални решенија на дадените проблеми. Но не треба да се заборави дека креаторите на ваквиот систем сепак се субјективни. Како и во случајот со анализата на податоци, вештачката интелигенција ги користи податоците во тековниот здравствен систем, со што станува подложна на истите недостатоци и проблеми.
На крајот на краиштата, подобрувањето на здравствениот систем преку користење масовни податоци и вештачка интелигенција ќе трае многу подолго отколку што се смета. Ако се изведат транспарентно и јавно, проектите со масовни податоци може да нè научат како да креираме висококвалитетни сетови на податоци, со зголемување на шансите за успех на алгоритамските решенија. На истиот начин, алгоритмите треба да бидат достапни барем за регулаторите и за организациите што ги користат услугите, ако не и јавноста.
Пред сè, здравствените работници и владите треба да заборават на розовите очила и критички да размислуваат за последиците од користењето недокажани апликации во здравствениот систем. Наместо други да раководат со досиејата на пациентите, болниците и регулативните тела треба да соработуваат со технолошките компании што го дизајнираат системот и воведуваат новини во него. Треба да се спроведуваат тестирања на првичните прототипи, и тоа во реални услови.
Преку претераната популаризација, решенијата во здравствениот систем со користење масовни податоци може да бидат избрзани на пазарот без претходно воведување значајна регулатива, транспарентност, стандардизација, одговорност или дозволи. Пациентите заслужуваат здравствени системи и работници што ќе ги заштитат наместо да ги користат како извори на податоци за профитабилни експерименти.
