Το μέλλον της ψηφιακής υγείας φαίνεται συναρπαστικό, αλλά η εύνοια για την τεχνολογική πρόοδο δεν μπορεί να μας κάνει να ξεχάσουμε τους νέους κινδύνους που φέρνουν μαζί τους εργαλεία όπως η τεχνητή νοημοσύνη, για παράδειγμα. Υπάρχουν πολλά που ξεκινούν από τους αλγόριθμους γιαπροσαρμοστικό AI. Αυτό υπογραμμίζεται από τον Medical Futurist, ο οποίος εξηγεί πώς μια προσαρμοστική τεχνητή νοημοσύνη είναι σε θέση να προσαρμοστεί σε πραγματικό χρόνο με βάση τις νέες πληροφορίες που λαμβάνει.

Σε κλινικό περιβάλλον, θα μπορούσε, για παράδειγμα, να συστήσει συχνότερες εξετάσεις αίματος σε έναν πληθυσμό με υψηλό επιπολασμό διαβήτη. Και αν δει ότι οι άνθρωποι σε αυτόν τον πληθυσμό έχουν επίσης την τάση να αναπτύξουν καρδιακά προβλήματα, θα συστήσει επίσης μια καρδιαγγειακή αξιολόγηση. Ωστόσο, Αυτοί οι αλγόριθμοι βασίζονται σε υπάρχοντα ιατρικά δεδομένα, τα οποία είναι γεμάτα από εγγενείς προκαταλήψεις. Με βάση τέτοια δεδομένα, η προσαρμοστική τεχνητή νοημοσύνη θα ενισχύσει μόνο τέτοιες επιβλαβείς προκαταλήψεις, όπως οι διακρίσεις με βάση την εθνικότητα και το φύλο. Για τον μετριασμό αυτών των κινδύνων, οι ρυθμιστικές αρχές πρέπει να υιοθετήσουν νέες ρυθμιστικές προσεγγίσεις για να διασφαλίσουν ότι οι αλγόριθμοι τεχνητής νοημοσύνης χρησιμοποιούνται δίκαια σε περιβάλλοντα υγειονομικής περίθαλψης. Ακόμα σχετικά με το θέμα της τεχνητής νοημοσύνης, διαβάζουμε συχνά ειδήσεις για τις απίστευτες δυνατότητες της τεχνητής νοημοσύνης στον τομέα της υγείας. Ωστόσο, σε πολλές περιπτώσεις, αυτά τα αποτελέσματα λαμβάνονται στο εργαστήριο χρησιμοποιώντας επιλεγμένα σύνολα δεδομένων ή ιδανικά περιβάλλοντα που δεν αντικατοπτρίζουν πλήρως τα πραγματικά κλινικά περιβάλλοντα. Η Google το έμαθε με τον δύσκολο τρόπο. Οι ιατρικοί ερευνητές της εταιρείας έχουν επισημάνει την ικανότητα του εργαλείου τεχνητής νοημοσύνης της να εξετάζει ασθενείς για διαβητική αμφιβληστροειδοπάθεια (Dr) από εικόνες με ακρίβεια 90%.

Η διαβητική αμφιβληστροειδοπάθεια είναι η κύρια αιτία απώλειας όρασης παγκοσμίως και η έγκαιρη ανίχνευσή του μπορεί να αποτρέψει τις επιπλοκές. Αλλά το AI της Google δεν τα πήγε τόσο καλά στην πράξη όσο στα χαρτιά. Όταν χρησιμοποιήθηκε από νοσηλευτές σε νοσοκομείο στην Ταϊλάνδη, αντιμετώπισε αρκετά προβλήματα. Μερικές φορές υπήρχαν προβλήματα σύνδεσης στο Διαδίκτυο. άλλες φορές η ποιότητα της σάρωσης δεν πληρούσε ένα συγκεκριμένο όριο, οπότε το AI δεν επέστρεψε κανένα αποτέλεσμα. Σε ορισμένες περιπτώσεις, το νοσηλευτικό προσωπικό χρειάστηκε να αφιερώσει επιπλέον χρόνο για να επεξεργαστεί κάποιες εικόνες που ο αλγόριθμος δεν ήθελε να αναλύσει.

Αυτοδιάγνωση και ειδοποιήσεις

Στη συνέχεια, υπάρχει η εξάπλωση των αυτοδιαγνώσεων από ασθενείς που λαμβάνουν πληροφορίες στο διαδίκτυο ακόμη και χρησιμοποιώντας ιστότοπους που δεν είναι αυστηρά επιστημονικοί ή με μια ασήμαντη αναζήτηση στο Google για να πείσουν τους εαυτούς τους ότι η διάγνωση του γιατρού τους δεν είναι έγκυρη. Πολλοί ασθενείς προσέρχονται στα νοσοκομεία λόγω ειδοποιήσεων έξυπνου ρολογιού για μη φυσιολογικές μετρήσεις ΗΚΓ, πολλές από τις οποίες δεν είναι κλινικά εφαρμόσιμες. Σύντομα όμως περισσότεροι ασθενείς θα έχουν πρόσβαση σε περισσότερες παραμέτρους στο σπίτι, είτε προέρχονται από εξετάσεις αίματος είτε από γενετικές αναλύσεις, ορισμένες από τις οποίες μπορεί να προέρχονται από μη ελεγχόμενες εταιρείες που προσφέρουν ανακριβείς υπηρεσίες.

Αυτό, μαζί με προηγμένα chatbot που προσφέρουν ιατρικές συμβουλές, μπορεί να ανοίξει το δρόμο για ακόμη πιο σοβαρές περιπτώσεις παρερμηνείας ή αυτοθεραπείας. Σε αυτήν την περίπτωση, οι ασθενείς πρέπει να εκπαιδεύονται ώστε να ερμηνεύουν καλύτερα τις μετρήσεις των έξυπνων αισθητήρων τους και από την πλευρά τους, οι αρχές μπορούν να ρυθμίσουν αυτές τις υπηρεσίες, ώστε οι ασθενείς να γνωρίζουν ποιες εταιρείες να εμπιστεύονται. Αυτό θα περιορίσει τις περιττές επισκέψεις στο νοσοκομείο.

Στην Ιταλία, η χρήση καμερών που χρησιμοποιούν βιομετρικά δεδομένα στο κοινό απαγορεύεται επί του παρόντος. Οποιαδήποτε δεδομένα μπορούν να χρησιμοποιηθούν μόνο για δικαστικές έρευνες ή εάν είναι δυνατό να αποτραπούν παράνομες πράξεις, αλλά στις ΗΠΑ η κατάσταση είναι διαφορετική και αυτό το είδος μηχανήματος μπορεί να αποκαλύψει μια σειρά από ιατρικές καταστάσεις. Ο λειτουργικός αλγόριθμός του βασίζεται σε υπάρχουσες βάσεις δεδομένων και βουτά στη σύγκριση τέτοιων χαρακτηριστικών για να παράγει ένα αποτέλεσμα. Οι εφαρμογές του στην υγειονομική περίθαλψη είναι ελπιδοφόρες, από την ανίχνευση σπάνιων γενετικών καταστάσεων έως την εξαγωγή πληροφοριών σχετικά με τη ροή του αίματος στο πρόσωπο. Ακόμα στις Ηνωμένες Πολιτείες Clearview Ai που δημιούργησε μια βάση δεδομένων αναγνώρισης προσώπου ξεκινώντας με εικόνες ανυποψίαστων μέσων κοινωνικής δικτύωσης. Έχει προτείνει την πλατφόρμα του στην κυβέρνηση για τον εντοπισμό ατόμων που έχουν μολυνθεί από το Sars-CoV-2. Ωστόσο, η χρήση τεχνολογίας από μια εταιρεία εγκυμονεί νέους κινδύνους για την προστασία της ιδιωτικής ζωής. Τι θα κάνουν με τις εικόνες που μαζεύτηκαν; Θα κοινοποιηθούν στις αρχές επιβολής του νόμου για παρακολούθηση, κάτι που μπορεί να τροφοδοτήσει περαιτέρω τις φυλετικές διακρίσεις;

Ασφάλεια πρωτοκόλλου

Μια από τις πιο ανησυχητικές πτυχές είναι σίγουρα αυτή που σχετίζεται με την ασφάλεια. Με την πανδημία και την ανάπτυξη της τηλεϊατρικής, η ανταλλαγή δεδομένων μεταξύ γιατρών και ασθενών έχει γίνει έντονη. Και όχι πάντα στο όνομα της μέγιστης προστασίας. Όπως έχουν επισημάνει οι ειδικοί της Kaspersky, οι ιατρικές συσκευές για την τηλεϊατρική χρησιμοποιούν συχνά το πρωτόκολλο Mqtt για την ανταλλαγή δεδομένων. Ωστόσο, αυτό δεν είναι ένα ιδιαίτερα ασφαλές πρωτόκολλο που παρέχει προαιρετικό έλεγχο ταυτότητας και δεν κρυπτογραφεί πάντα τα δεδομένα πριν από την αποστολή τους. Στην πράξη, οι πληροφορίες μπορούν να υποκλαπούν.

Επιπλέον, το 2014 εντοπίστηκαν περίπου 90 ελαττώματα, μερικά από τα οποία δεν έχουν διορθωθεί ακόμη και σε αυτά προστέθηκαν άλλα 33 που ανακαλύφθηκαν από τη ρωσική εταιρεία που ειδικεύεται στην ασφάλεια.18 θεωρούνται κρίσιμα. Η επίθεση ransomware στα νοσοκομεία δεν είναι πλέον είδηση. Το τελευταίο συνέβη πριν από μερικές εβδομάδες και χτύπησε το Hospital Clinic de Barcelona και χτύπησε τους υπολογιστές στα εργαστήρια, αναγκάστηκε να κλείσουν τρία επείγοντα και φαρμακεία και οδήγησε στην ακύρωση 150 επεμβάσεων και περίπου τριών χιλιάδων ελέγχων ασθενών. Ένα ιατρικό κέντρο του Κάνσας δέχθηκε επίθεση και πλήρωσε τα λύτρα, αλλά σε αυτό το FBI μπόρεσε να εντοπίσει τους υπεύθυνους για την επίθεση, μια ομάδα που χρηματοδοτείται από τη Βόρεια Κορέα, μέσω του ίχνος πληρωμής στο blockchain. Αυτές οι ενέργειες, σε συνδυασμό με την ολοένα και πιο διαδεδομένη τάση των θυμάτων να αρνούνται την πληρωμή των λύτρων, οδήγησαν σύμφωνα με ορισμένες έρευνες σε μείωση των κερδών για αυτό το είδος δραστηριότητας που εξακολουθεί να παραμένει πολύ επικίνδυνο.

Δίπλα στο ransomware υπάρχει hacking ιατρικής συσκευής εξοπλισμένο με λειτουργίες ασύρματης συνδεσιμότητας. Το 2011, ένας ερευνητής έδειξε ότι ήταν δυνατό να χακάρουμε τις αντλίες ινσουλίνης της Medtronic για να παραδίδουμε θανατηφόρες δόσεις σε διαβητικούς ασθενείς. Άλλοι μπορούν να κλέβουν βηματοδότες μέσω Bluetooth, να θέσουν σε κίνδυνο τα δεδομένα ακτίνων Χ, να επαναδιαμορφώσουν εξ αποστάσεως τις αξονικές τομογραφίες για να αλλάξουν την έκθεση στην ακτινοβολία και η λίστα συνεχίζεται. Η ασφάλεια από το σχεδιασμό σε αυτή την περίπτωση φαίνεται να είναι η μόνη λύση για την αντιμετώπιση του προβλήματος. Στη συνέχεια, υπάρχει το τεράστιο κεφάλαιο που σχετίζεται με το απόρρητο, όπου ξεχωρίζει το παράδειγμα, πάλι με αστέρια και ρίγες, μιας εταιρείας δοκιμών DNA απευθείας στον καταναλωτή 23andMe και του φαρμακευτικού γίγαντα Gsk που υπέγραψαν συμφωνία 300 εκατομμυρίων δολαρίων για την ανάπτυξη φαρμάκων. Αυτή η συμφωνία αξιοποίησε τους σημαντικούς γενετικούς πόρους της 23andMe και κατέστη δυνατή από το γεγονός ότι οι πελάτες της δεν γνώριζαν ότι μια τέτοια συμφωνία ήταν στα σκαριά.