현대 생활의 많은 측면은 건강과 웰빙의 다양한 측면을 포함하여 인공 지능으로 점차 강화되고 있습니다. 컴퓨터가 인간 중심의 의료 개입보다 얼마나 오래 성과를 낼 수 있을까요? 아마도 더 중요한 것은, 인간이 비인간적 인 사람을 기꺼이 대하기 전에 얼마나 오래 그 사람을 치료할 수 있을까요? 이 두 가지 질문은 기계 학습 기술과 로봇의 잠재력에 대한 토론에서 초점이 될 수 있습니다.
컴퓨터는 인간과 비슷한 방식으로 생각할 수 있습니다. 우리가 준비 됐건 그렇지 않든,인지 컴퓨팅의 최근 발전은 컴퓨터 화 된 코칭과 건강 관리의 시대가 도래했다는 신호입니다.
건강 정보를 통계적으로 분석
우리가 인터넷을 구매하거나 탐색 할 때마다 모든 종류의 사적인 정보, 종종 친밀한 정보를 공유한다는 것은 비밀이 아닙니다. 소매업 자 대상이 쇼핑 습관을 토대로 임신 한 경우 예상치 못한 정확성으로 예측할 수있는 세계를 보여준 때로는 캐주얼 한 행동을 추적하여 건강 이벤트를 예측할 수있는 능력이 시연되었습니다 가족 구성원들.
많은 개인 정보가 일상적으로 통계적으로 분석되어 자신의 습관과 특성에 대한 더 많은 통찰력을 제공합니다. 이러한 관행 중 일부는 자발적으로 사용자의 인식과 지원으로 이루어 지지만 일부는 조직 및 회사에서 은밀하게 수행 할 수 있습니다.
비 의도적 추적 행동은 특정 윤리적 및 사회적 질문을 제기합니다.
많은 사람들이 이제 건강 위험 평가를 통해 명시 적으로 공유하고, 웨어러블을 통해 자연스럽게 공유하며 때로는 실수로 소셜 미디어 게시물 및 구매 행동을 통해 다양한 방법으로 개인 건강 정보를 자유롭게 공유합니다.
이 정보를 분석하고 해석 할 수있는 정확성이 높아지면서 위험과 기회가 생기고 기술이 건강과 행복을 긍정적 인 방식으로 움직일 수있는 새로운 시대의 최전선에 서게됩니다.
건강을 개인화하고 오진의 문제를 해결하기
의사의 진단 오류는 큰 관심사입니다. 과실 또는 옵션의 풍부함을 고려하지 못한 결과로, 이러한 실수는 환자와 그 가족에게 치명적일 수 있습니다. 버밍엄의 알라바마 대학교의 에타 베너 (Eta Berner) 교수와 노스 포트 (Northport) VA 메디컬 센터의 마크 L. 그레이버 (Mark L. Graber) 박사는 의학적 사례의 약 10 ~ 20 %가 오진 된 것으로 추정했다. Berner와 Graber는 효율적인인지 프로세스가 정확한 진단을 보장한다고 지적합니다. 그러나 이러한인지 과정이 실패 할 때가 있습니다. Berner와 Graber의 분석에 따르면 의사의 과신은 종종 의료 오류의 원인이 될 수 있습니다. 또한, 보건 의료 연구 및 품질청 (Healthcare Research and Quality)에 의해 재정 지원을받은 보고서는 모든 진단 실수의 28 %가 중증도가 중대하다는 것을 발견했으며, 이는 생명을 위협하는 사건 일 수 있음을 나타냅니다.
오진은 잘못된 약을 처방하고 잘못된 신체 부위를 외과 적으로 제거하는 것까지 포함 할 수 있습니다.
이 놀라운 통계는 어떤 사람들은 기존의 문제가 인간의 요인을 방정식에서 제거함으로써 간단히 해결 될 수 있다고 주장 할 수 있습니다. IBM의 Watson과 같은 기술은 이제보다 인본주의적인 방식으로 정보를 합성하고 숙고 할 수 있다는 희망을 제공하고 있습니다. Watson의인지 기술은 비정형 데이터를 분석하고 복잡한 질문을 이해하며 최종 사용자에게 증거 기반 솔루션을 제공 할 수있는 역량을 갖추고 있습니다.
Watson은 실제 상황에서 적용 할 때 항상 성공적이지는 않은 예측 알고리즘을 향상시키는 것을 목표로 삼고 있습니다.
그러나 왓슨의 예측 가능성보다 더 자극적 일 수있는 것은 건강 및 피트니스 중재에있어 인간의 기술력보다 뛰어난 기술력의 가능성입니다.
2015 년 IBM Watson은 CVS Health와 전략적 제휴를 맺고 상업용 건강 관리 업계에인지 컴퓨팅이 도입되었다고 발표했습니다. 그것은 곧 의사와 약사가 환자의 건강 감소를 자동으로 감지 할 수있는 기술에 접근 할 수 있다고 제안했다.
2016 년에 서명 된 Under Armor와 IBM 간의 계약을 통해 Watson은 건강 플랫폼을 구축하고 개발할 수있는 기회를 얻었습니다. Apple도 HealthKIT 및 ResearchKIT 개발 플랫폼을 개선하기 위해 Watson 플랫폼에 상당한 투자를했습니다. Grand View Research Inc.의 보고서에 따르면 글로벌 의료인지 컴퓨팅 시장은 2020 년까지 50 억 달러가 넘을 것으로 예상됩니다.
과학 연구 연구는 또한 의학에서 오류와 해악의 위험을 최소화하기위한 기술의 사용을 지원합니다. Mark L. Graber 박사는 전자 건강 기록을 분석하고 불일치를 찾아 진단 오류의 위험이있는 사례를 식별 할 수있는 소위 "트리거 도구"의 사용을 제안합니다. 현재 미국 병원에서 다양한 유형의 트리거 도구가 사용되고 있지만 항상 진단 오류를 감지 할 수있는 것은 아닙니다. 따라서 더 나은 예방 적 개입을 설계하기위한 노력이 이루어지고있다.
Hardeep Singh 박사와 그의 동료들은 유망한 접근법을 제시했습니다. 그들은 일차 진료 방문 2 주 이내에 예정되지 않은 병원 진료 예약을 한 환자를 식별 할 수있는 전자 방아쇠를 설계하여 초기 검사 중에 무언가가 빠졌을 수 있음을 시사합니다. 많은 전문가들은 이와 같은 기술이 오류를 방지하거나 적어도이를 줄이기위한 노력에주의를 환기시키는 데 도움이 될 것이라고 예측합니다.
인공 지능 수용
2015 년 영국 NHS 회장 인 말콤 그랜트 경 (Sir Malcolm Grant)은 인공 지능이 의료의 질을 향상시키고 개인 맞춤 의학을 발전시킬 수 있기 때문에 의료가 받아 들여야한다고하는 의견을 표명했습니다. 많은 의료 전문가들은 그 이후로이 정서를 반복합니다. 데이터 마이닝을 통해 진단 오류를 신뢰할 수있게 진단 및 / 또는 식별 할 수있는 기술은 그리 멀지 않은 경우 일 수 있습니다.
건강 관리 부문의인지 적 컴퓨팅은 현재 권고 적 역할로 더 많이 사용되고 있으며 최종 결정을 내리지 않거나 사람을 본질적으로 대체하지 않습니다. 예를 들어, 왓슨 (Watson)은 개인 및 조직이보다 진보되고 정교한 임상 결정을 내릴 수 있도록 도와 주며 곧 언더 드 아머 (Under Armour)와의 파트너십을 통해 개인의 체력 수준을 향상시키는 데 도움을 줄 것입니다. 그러나 컴퓨터가 인간을 체스처럼 지적 스포츠에서 지배적 인 힘으로 추월 한 것은 불과 얼마되지 않아 컴퓨팅 능력이 증가하고 있습니다. 또한, 인간의 요소가 컴퓨터의 처리 특성에 추가되어 컴퓨터 및 로봇이 한 번 생각한 것처럼 멀리 돌봐주지는 않는다는 생각을하게됩니다.
> 출처
> Berner E, Graber M. 의학에서 진단 오류의 원인으로 과신. 의학의 미국 저널 . 2008; 121 : S2-S23.
> Graber ML. 의학에서 진단 오류의 발병률. BMJ 품질 및 안전 . 2013; 22 (Suppl 2) : ii21-ii27. doi : 10.1136 / bmjqs-2012-001615.
> Lupton D. 디지털 시대의 건강 증진 : 비판적 논평. 건강 증진 국제 . 2015, 30 (1) : 174-183
> Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis MD, Thomas EJ. 1 차 진료 설정의 진단 오류 유형 및 기원. 자마 내과 . 2013; 173 (6) : 418-425.
> Thompson M. 건강 관리 및인지 컴퓨팅 팀이 큰 변화를 주도합니다. Econtent . 2015 : 4-8.