Τις παγίδες που κρύβει η άκριτη χρήση της τεχνητής νοημοσύνης ως συμβούλου υγείας αναδεικνύει υπό δημοσίευση έρευνα της ομάδας του καθηγητή Πολιτικής της Υγείας της Σχολής Οικονομικών και Πολιτικών Επιστημών του Λονδίνου (LSE), Ηλίας Μόσιαλος.

Μιλώντας σε δημοσιογράφους στο περιθώριο του 24ου Ετήσιου Συνεδρίου Healthworld της AmCham, ο κ. Μόσιαλος εξήγησε πως στο πλαίσιο της έρευνας που αφορά δεδομένα ΑΙ συγκρίθηκαν οι απαντήσεις που έδωσαν διάφορα συστήματά τεχνητής νοημοσύνης για κοινά ιατρικά προβλήματα. Ειδικότερα ερωτήθηκαν για τα ίδια περιστατικά, για παράδειγμα ποια θα πρέπει να είναι η προσέγγιση όταν έχεις έναν υπερτασικό ασθενή ή ένα άτομο με διαβήτη με συγκεκριμένα χαρακτηριστικά σε τέσσερις αγγλόφωνες χώρες.

«Λάβαμε σωστές απαντήσεις αλλά λάβαμε και κάποιες πολύ λάθος απαντήσεις», ανέφερε με νόημα ο κ. Μόσιαλος. Όπως εξήγησε, τα συστήματα ΑΙ ανέφεραν κατευθυντήριες οδηγίες συγκεκριμένου τύπου που δεν υπάρχουν. «Δηλαδή τις κατασκεύασε η ίδια η τεχνητή νοημοσύνη, ή σε άλλες απαντήσεις ανέφερε ότι η Αμερικανική Διαβητολογική Εταιρεία προτείνει τέσσερα πράγματα, τα δύο ήταν σωστά τα άλλα δεν ήταν σωστά», πρόσθεσε ο καθηγητής.
Όπως εκτίμησε, ενώ έχουμε προχωρήσει με την ΑΙ δεν είμαστε στο 100% απόδοσης της.
«Πάντα πρέπει αν συμβουλευόμαστε τον γιατρό μας», υπογράμμισε προσθέτοντας πως η τεχνητή νοημοσύνη πρέπει να είναι εργαλείο και των γιατρών και των ασθενών. «Όταν θα εξελιχθεί θα βοηθήσει τους ασθενείς γιατί θα πηγαίνουν προετοιμασμένοι και οι γιατροί θα έχουν πολλά στοιχεία, καθώς θα αντλούν στοιχεία από τον ηλεκτρονικό τους φάκελο, ακόμα και πριν τους δουν», πρόσθεσε.
«Το μέλλον είναι προς την ΑΙ, αλλά θα πρέπει να είμαστε συγκρατημένοι σε αυτή τη φάση σε ό,τι αφορά την αποτελεσματικότητα της», κατέληξε.

Χρήσιμα στοιχεία για τα οικονομικά της υγείας

Ερωτηθείς από το News4Health, κατά πόσο μπορεί να συμβάλλει στην χρηματοδοτική στήριξη του συστήματος υγείας, ο κ. Μόσιαλος σημείωσε πως η τεχνητή νοημοσύνη «δεν πρόκειται να βγάλει το λεφτόδεντρο». Ωστόσο, θα επιτρέψει τη συλλογή στοιχείων παραγωγικότητας και ποιότητας.

«Αυτή τη στιγμή δεν αποζημιώνουμε νοσοκομεία ή κλινικές βάσει αυτών. Άρα όσο περισσότερα στοιχεία έχουμε και γρήγορα μάλιστα για ένα ποιοτικό παραγόμενο προϊόν, μπορούμε να σταθμίζουμε τη χρηματοδότηση των νοσοκομείων με βάση την ποιότητα», εξήγησε.