.
.
.
- دادههای سلامت ما در آلمان چقدر امن هستند؟
در مقایسه با سایر کشورها، بسیار امن هستند. این تا حدی به این دلیل است که این دادهها تنها بخشاً دیجیتالی شدهاند. به همین دلیل، اغلب به سختی قابل استفاده هستند. این وضعیت نه تنها برای برنامهنویسان، بلکه برای بیماران نیز بد است، زیرا دادههای آنها برای بهترین پیشگیری و درمان در دسترس نیستند. همچنین برای پزشکان به این معناست که گزینههای کمتری برای ارایه مراقبتهای مؤثر دارند.
.
- حفاظت از دادهها تا چه اندازه نوآوریهای دیجیتال را محدود میکند؟
مشکل تعداد زیاد قوانین و مقررات است. توسعهدهندگان علاوه بر «مقررات عمومی حفاظت از دادهها6» (DSGVO)، در صورت لزوم باید مقررات اتحادیه اروپا در مورد محصولات پزشکی و به عنوان مثال مقررات مربوط به تشخیصهای آزمایشگاهی را نیز رعایت کنند.
.
- توسعهدهندگان دادههای خود را برای آموزش هوش مصنوعی از کجا به دست میآورند؟
تا حدی از دادههایی استفاده میکنند که با زحمت زیاد «ناشناسسازی» شدهاند. یا به خارج از کشور روی میآورند. یکی از همکارانم در برلین اخیراً درباره یک پروژه به من گفت که در آن هوش مصنوعی در مطبهای پزشکان عمومی مورد استفاده قرار میگرفت. از آنجا که در آلمان دادههای کافی وجود ندارد، این پروژه با دادههای دانمارکی انجام میشود.
.
- از تابستان ۲۰۲۵، دادههای بیماران از «سوابق الکترونیکی بیمار7» (ePA) به صورت ناشناس استفاده خواهد شد. آیا این ما را به جلو میبرد؟
من بسیار کنجکاو هستم و به محض باز شدن این امکان، درخواست خواهم کرد که از این دادهها استفاده کنم. این که ابتدا رضایت بیمهشدگان شرط قرار داده شده، منطقی است. روش معکوس جواب نمیداد.
بسیاری چیزها به این بستگی دارد که پزشکان چقدر با ePA کنار میآیند. بسته به شرکت بیمه، نسخههای مختلفی از این سامانه وجود خواهد داشت. این ممکن است به کاربرپسند بودن سامانه آسیب بزند.
.
- کدام کاربردهای هوش مصنوعی سریعتر گسترش خواهند یافت؟
گسترش کاربردهای هوش مصنوعی در پزشکی ممکن است ابتدا در کارهای روزمره مطب پزشکان باشد. اخیراً برای گرفتن وقت ویزیت پزشک عمومی خود، مجبور شدم سه بار با یکی از کارمندان مطب تماس بگیرم. یک چتبات8 میتواند این کار را بهتر و سریعتر انجام دهد. یا ضبط گفتگوهای تشخیصی: در ایالات متحده، راهحلهای نرمافزاری مختلفی برای تشخیص کلام و گفتار استفاده میشود که ارتباط بین پزشک و بیمار را ضبط و به متن تبدیل میکنند. گام بعدی ممکن است این باشد که این سیستمها بر اساس گفتگوی مکتوب شده، درمانهایی را پیشنهاد دهند. حتی صرفهجویی که در زمان، با ایجاد چنین ساختاری و ورود دادهها، بوجود میآید، ارزشمند است.
.
- یک شرکت بیمه درمانی خارجی الگوریتمی را بر روی نتایج آزمایش اعضای خود اجرا کرد و به کمک آن موارد سرطان روده را در مراحل اولیه شناسایی کرد. آیا این در اینجا نیز قابل تصور است؟
اصولاً، این در آلمان ما نیز قابل تصور است و میتواند به بسیاری از بیماران کمک کند. همچنین، به عنوان مثال، انجام نظرسنجیها و پرسوجوهای خودکار در مورد این که آیا بیماران به دلیل عوارض جانبی داروهای خود را قطع کردهاند یا نه. امروزه در بسیاری از موارد، این موضوع خیلی دیر، مثلاً در معاینه بعدی، مشخص میشود. بهتر این است که پزشکان بدون فوت وقت با بیماران در مورد گزینههای درمانی جایگزین صحبت کنند.
.
.
پانویسها:
1- Prof. Dr. Ariel Dora Stern
2- Humboldt University
3- Artificial Intelligent in Public Health (KI in Gesundheitswesen)
4- Hasso-Pattner-Institut
5- Labor Journal
6- Datenschutzgrundverordnung, DSGVO
7- elektronische Patienten-Akte, ePA
8- Chatbot
.
.
مطالب مرتبط:
.
.
www.tesalkootah.ir || 2025-02-26 © 2015 © All rights reserved www.etesalkootah.ir تمامی حقوق برای www.etesalkootah.ir محفوظ است. بیان شفاهی بخش یا تمامی یک مطلب از www.etesalkootah.ir در رادیو، تلویزیون و رسانههای مشابه آن با ذکر واضح "اتصال کوتاه دات آی آر" بعنوان منبع مجاز است. هر گونه استفاده کتبی از بخش یا تمامی هر یک از مطالب www.etesalkootah.ir در سایت های اینترنتی در صورت قرار دادن لینک مستقیم و قابل "کلیک" به آن مطلب در www.etesalkootah.ir مجاز بوده و در رسانههای چاپی نیز در صورت چاپ واضح "www.etesalkootah.ir" بعنوان منبع مجاز است. |
.