Здравоохранение - это отрасль, для которой ИИ не особо хорошо обслуживает. Но благодаря инновациям в области конфиденциальных вычислений клинические алгоритмы ИИ находятся на подъеме и готовы улучшить здравоохранение на долгие годы. Амбудж Кумар, генеральный директор Fortanix, подробно рассказывает о будущем ИИ в этой эксклюзивной статье для Toolbox. 

Когда вы ищете продукт или услугу в Интернете, алгоритмы ИИ начинают нацеливать вас на рекламу, связанную с этим продуктом, на веб-сайтах. Эти алгоритмы искусственного интеллекта, мягко говоря, мощны - например, недавно анонсированный GPT-3 имеет 175 миллиардов независимо настроенных параметров. Алгоритмы могут оптимизировать, какой продукт показывать вам на каком веб-сайте, а также выбирать шрифты особого цвета, чтобы максимизировать вероятность того, что вы нажмете на ссылку.  

Продвинутые алгоритмы могут заставить нас чувствовать себя бодрыми, подавленными или завистливыми, показывая именно те изображения в социальных сетях в нужное время. Фактически, их даже можно использовать как инструмент для информационной войны. Но может ли ИИ быть хорошим? Какое будущее ждет «хорошую» технологию искусственного интеллекта? 

Одной из отраслей, в которой технологии в целом и ИИ в частности, не очень хорошо работают, является здравоохранение . Если вы спросите врачей, технологов или пациентов, основным сдерживающим фактором является чувствительность к медицинским данным. Если данные пациента будут скомпрометированы, на карту поставлены жизни. Кроме того, одобренные FDA алгоритмы здравоохранения должны работать последовательно для всех, будь то бедные или богатые, из Калифорнии или Миссури, и для всех национальностей.  

Получение клинического одобрения клинического алгоритма искусственного интеллекта требует обширного доступа к данным, что является дорогостоящим и требует большой заботы о конфиденциальности данных пациента . Тем не менее, есть одна основная причина, по которой клинические алгоритмы ИИ находятся на подъеме и готовы помочь улучшить здравоохранение в ближайшие годы - впервые в мире алгоритмы ИИ в клинической медицине используют конфиденциальные вычисления. И это важно по трем основным причинам: 

Узнать больше: 5G обеспечивает более быструю передачу данных и трансформацию бизнеса

Данные пациентов защищены аппаратными анклавами 
Сегодня конфиденциальные вычисления позволяют медицинским организациям разрабатывать алгоритмы искусственного интеллекта с данными пациентов в строго контролируемых и изолированных безопасных анклавах, где они недоступны для вредоносных программ. В этом случае медицинские данные могут использоваться только для предполагаемого ИИ и ничего другого, что устраняет кошмар в области безопасности.  

Центр инноваций в области цифрового здравоохранения Калифорнийского университета в Сан-Франциско недавно развернул проект ИИ под названием BeeKeeper AI, разработанный специально для этого - в частности, чтобы упростить проверку алгоритмов и наборов данных, связанных с возможностями ИИ, встроенными в медицинские устройства. Проверка этих типов алгоритмов на множестве уникально различных наборов данных, принадлежащих множеству организаций, является трудоемкой задачей отчасти потому, что этот процесс регулируется Управлением по контролю за продуктами и лекарствами США (FDA). Тем не менее, проверка имеет решающее значение для безопасности пользователя. 

На высоком уровне конфиденциальные вычисления создают надежную среду, которая обеспечивает аппаратное шифрование памяти для изоляции кода конкретного приложения и данных в памяти. Эти безопасные анклавы повышают безопасность кода и данных приложений и позволяют нескольким организациям безопасно работать вместе для проверки алгоритмов, сохраняя конфиденциальность данных каждой организации, в конечном итоге защищая интеллектуальную собственность и данные пациентов. 

Подробнее: возрождение периферийной экономики через цифровую инфраструктуру 

ИИ делает оказание медицинской помощи более эффективным 
Первый вариант использования технологии UCSF - это оценка переливания крови. Предположим, пациент пришел в отделение неотложной помощи. Образец крови пациента может быть введен в AI, который может предсказать, понадобится ли пациенту переливание крови. Персонал больницы может определить группу крови еще до того, как врач осмотрит пациента. 

Хотя использование отделения неотложной помощи является первым практическим применением технологии организацией, аналогичные алгоритмы ИИ могут и будут разрабатываться для широкого использования, включая расширенную диагностику и лечение хронических заболеваний. Возможность использовать эту технологию для улучшения оказания медицинской помощи - это выигрыш для всех заинтересованных сторон. 

Для клинического персонала это упрощает задачи, которые в противном случае могут быть рутинными или требующими много времени, позволяя им сосредоточиться на других жизненно важных задачах и лечить больше пациентов. Для пациентов оказание помощи становится более быстрым и безошибочным, в соответствии с требованиями современных потребителей в различных отраслях, включая здравоохранение. 

Наконец, более эффективное оказание помощи помогает улучшить состояние здоровья. Это означает оптимизацию доходов и удовлетворенность пациентов как для плательщиков, так и для поставщиков услуг в рамках все более распространенной модели здравоохранения, основанной на ценностях, и, что наиболее важно, более здоровые группы пациентов. 

Узнать больше: почему IPO Palantir снова и снова напоминает нам о Facebook

Улучшенная аналитика данных между поставщиками 
Поставщики медицинских услуг, конечно же, должны соблюдать конфиденциальность, в первую очередь правила, которые подпадают под Закон о переносимости и подотчетности медицинского страхования (HIPAA). Тем не менее, существует несколько незадействованный набор данных, который может быть сложно проанализировать, например, данные, совместно используемые двумя больницами, потому что это необходимо делать вручную из соображений конфиденциальности. 

Большинство медицинских организаций не могут эффективно извлекать пользу из данных о пациентах из-за проблем с конфиденциальностью и правил использования данных. Но современная аналитика, сохраняющая конфиденциальность, и технология конфиденциальных вычислений позволяют передавать и обрабатывать зашифрованные наборы данных от нескольких сторон, при этом наборы данных расшифровываются и анализируются только в защищенном анклаве. В этом сценарии несколько сторон могут создать контракт в программном обеспечении, которое работает в защищенном анклаве, получает ключи для расшифровки данных, выполняет анализ и затем шифрует результат. 

Как это выглядит в условиях здравоохранения ? Это может означать объединение наборов данных генетических исследований с медицинскими данными больниц для более точного прогнозирования заболевания. Или это может означать использование агрегированных данных из общенациональной или глобальной системы для борьбы с мошенничеством, которое в противном случае могло бы остаться незамеченным в едином источнике данных. 

При использовании конфиденциальных вычислений совокупные данные никогда не раскрываются за пределами защищенного анклава, и контракт выполняется по согласованию между всеми участвующими сторонами, обеспечивая контроль доступа к данным с каждой стороны. При правильном применении этот метод сохраняющей конфиденциальность аналитики представляет собой простое в использовании, эффективное и масштабируемое решение, которое позволяет большому количеству сторон создавать гибридные приложения данных в частном порядке и соблюдать правила. 

В целом, достижения в области аналитики, сохраняющей конфиденциальность, и конфиденциальных вычислений доказывают, что технологии могут быть хорошими и буквально спасать жизни. По мере того, как все больше и больше поставщиков медицинских услуг в США и во всем мире внедряют эту новую технологию, результатом будет общая улучшенная система здравоохранения, которая принесет пользу на всех уровнях отрасли, включая пациентов.