Του Αντώνη Ευαγγελίδη*

Ζούμε την 4η Βιομηχανική επανάσταση. Ο κόσμος μας εισέρχεται σε μια περίοδο ριζικού μετασχηματισμού και αλλαγών όπου πολλοί από εμάς θα εκπλαγούμε από την κλίμακα και τον ρυθμό των εξελίξεων και διαταραχών, που απλά δεν είχαμε προβλέψει. Η 4η Βιομηχανική επανάσταση προσφέρει σήμερα σημαντικές ευκαιρίες δυναμικής ανάπτυξης, μέσω της βελτίωσης της παραγωγικότητας της εργασίας. Κινητήριος μοχλός είναι οι τεχνολογίες πληροφορικής και επικοινωνιών. Οι εκθετικές τεχνολογικές εξελίξεις οδηγούν τις αλλαγές στα επιχειρηματικά μοντέλα. Τα προϊόντα, οι υπηρεσίες και οι διαδικασίες καινοτομούν για να δημιουργήσουν ανταγωνιστικό πλεονέκτημα. Ταυτόχρονα όμως δημιουργούνται και προκλήσεις και ηθικά διλήμματα που πρέπει άμεσα να αντιμετωπιστούν.

Αίτια και αφορμές

Στο παρελθόν κάθε ριζική μεταβολή στην ανθρώπινη κοινωνία συνδεόταν κυρίως με μια καθοριστική αλλαγή -από το ξύλο στην πέτρα, στον χαλκό, στο σίδηρο, στον ατμό, στον ηλεκτρισμό, στην αυτοματοποίηση των μηχανών, μέχρι να φτάσουμε στη σημερινή εποχή στο διαδίκτυο των πραγμάτων (ΙοΤ), τα δίκτυα και την Τεχνητή Νοημοσύνη (Τ.Ν).

*Ο Αντώνης Ευαγγελίδης είναι Chief Ethics/Compliance & Data Privacy Officer, ΒΙΑΝΕΞ Α.Ε και ΒΙΑΝ Α.Ε
 

Η Τεχνητή Νοημοσύνη (T.N.) αποτελεί μία από τις πιο μεταμορφωτικές τεχνολογικές εξελίξεις της εποχής μας. Ο όρος Τεχνητή Νοημοσύνη αναφέρεται στον κλάδο της πληροφορικής, ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων, που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς και τα οποία απαιτούν έστω και στοιχειώδη ευφυΐα: δηλ. μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από τα συμφραζόμενα, επίλυση προβλημάτων κ.λπ.

Ο Τζον Μακάρθι (1927-2011) πατέρας της Τ.Ν. και εφευρέτης της γλώσσας προγραμματισμού Lisp, όρισε το 1956 την Τ.Ν. ως «την επιστήμη και μεθοδολογία της δημιουργίας νοημόνων μηχανών», ανοίγοντας το δρόμο για την υλοποίηση ευφυών μεθόδων μηχανικής μάθησης, που διέπονται από αυστηρούς μαθηματικούς αλγορίθμους και στατιστικές μεθόδους ανάλυσης, δίνοντας δηλαδή τη δυνατότητα στους υπολογιστές να μαθαίνουν, χωρίς να έχουν ρητά προγραμματιστεί γι’ αυτό.

Η τεχνητή νοημοσύνη ως τεχνολογική εξέλιξη υπάρχει, λοιπόν, εδώ και αρκετές δεκαετίες. Τι οδήγησε όμως στη ραγδαία ανάπτυξή της τα τελευταία χρόνια; Η απάντηση δόθηκε από τον μηχανικό και επιχειρηματία Gordon Moore, συνιδρυτή της εταιρείας Intel,που το 1965 διατύπωσε το νόμο-«ευαγγέλιο» για τη βιομηχανία της πληροφορικής. Σύμφωνα λοιπόν με το «νόμο του Moore», κάθε 18 μήνες περίπου, η ισχύς των επεξεργαστών και κατά συνέπεια των υπολογιστών, διπλασιάζεται, με ταυτόχρονη μείωση του κόστους κατασκευής τους. Και αυτό ως συνέπεια του ότι ένα υπολογιστικό τσιπ με συγκεκριμένη ισχύ, που κόστιζε 20.000 ευρώ το 1970, σήμερα για να κατασκευαστεί κοστίζει λιγότερο από 0,002 ευρώ!!! Αυτό είχε και έχει ως συνέπεια την αύξηση της υπολογιστικής και αποθηκευτικής ισχύος των υπολογιστών, με παράλληλη μείωση του κόστους τους, γεγονός που επιτρέπει την τόσο ραγδαία τεχνολογική εξέλιξη, συμπεριλαμβανομένης της τεχνητής νοημοσύνης.

Σύμφωνα μάλιστα με την έκθεση για την τεχνητή νοημοσύνη του Πανεπιστημίου Stanford για το 2019, η τεχνητή νοημοσύνη ξεπερνά το «νόμο του Moore». Συγκεκριμένα η ισχύς της διπλασιάζεται κάθε 3,4 μήνες αντί για 18. Στην ίδια έκθεση αναφέρεται ότι ο χρόνος που απαιτείται για την εκπαίδευση ενός δικτύου τεχνητής νοημοσύνης, για αναγνώριση εικόνων μειώθηκε από τρεις ώρες τον Οκτώβριο του 2017, σε περίπου 88 δευτερόλεπτα τον Ιούλιο του 2019!

Το Διαδίκτυο των Πραγμάτων (Internet of Things, IοT) είναι σήμερα η τρίτη ψηφιακή επαναστατική αλλαγή, μετά τις τηλεπικοινωνίες (1926, Alexander Graham Bell) και την ανακάλυψη του Internet (1979 Tim Berner Lee) και έχει διαμορφώσει σημαντικά την κοινωνία μας κυρίως τα τελευταία 30 χρόνια (19902020) μέσα από ιστοσελίδες, ηλεκτρονικά μηνύματα, πλατφόρμες, e-εμπόριο, υψηλής ταχύτητας ευρυζωνικότητα, «ευφυή» (Smart) τηλέφωνα & ταμπλέτες (Tablets), ανάπτυξη ενός δικτύου συνδεδεμένων, έξυπνων συσκευών και αντικειμένων που μπορούν να επικοινωνούν μεταξύ τους και να αυτοματοποιούν βασικά καθήκοντα και λειτουργίες, όπως για παράδειγμα την αυτόνομη κίνηση οχημάτων κ.ά. Οι δυνατότητες του διαδικτύου είναι τεράστιες, τόσο για την καταναλωτική αγορά όσο και για τις επιμέρους κλαδικές αγορές, σε πολλούς τομείς (υγεία, περιβάλλον, βιομηχανία, μεταφορές, διανομή κ.λπ.). Σύμφωνα με την εταιρεία Cisco, περίπου 50 δισεκατομμύρια συνδεδεμένες συσκευές θα επικοινωνούν μέσω του Internet, μέχρι το τέλος του 2020, γεγονός που ισοδυναμεί με 6,58 συσκευές ανά κάτοικο του πλανήτη, ενώ μέχρι το 2030 το 90% του παγκόσμιου πληθυσμού ηλικίας πάνω από 6 χρονών θα είναι ήδη συνδεδεμένο.

Η Επιστήμη των Δεδομένων (Big Data) είναι ένας επιστημονικός κλάδος που σχετίζεται με τις διαδικασίες και τα συστήματα, μέσω των οποίων εξάγεται η γνώση ή επεξεργάζονται τα ίδια τα στοιχεία που προέκυψαν από τα δεδομένα σε διάφορες μορφές (είτε δομημένα είτε αδόμητα) και σε ιδιαίτερα υψηλές ταχύτητες και τα οποία κατακλύζουν τις επιχειρήσεις, στα πλαίσια της καθημερινής λειτουργίας τους. Αποτελεί συνέχεια επιστημονικών κλάδων, όπως η ανάλυση δεδομένων (Data Analytics), η στατιστική, η εξόρυξη δεδομένων (Data Mining) και η ανάλυση των προβλέψεων. Οι επιχειρήσεις και η κοινωνία αποκομίζουν τεράστια οφέλη από αυτή τη μαζική παραγωγή.

2. Oι 9 Αναδυόμενες Μεγατάσεις ως καταλύτες της Ανάπτυξης στον Τομέα Φροντίδας της Υγείας

2.1.Tεχνητή Νοημοσύνη (Τ.Ν.) και η Μηχανική Μάθηση

H τεχνητή νοημοσύνη (T.N.) στη φροντίδα της υγείας συνίσταται από τη χρήση σύνθετων αλγορίθμων και λογισμικού για την προσομοίωση της ανθρώπινης γνώσης στην ανάλυση περίπλοκων ιατρικών δεδομένων. Ο πρωταρχικός στόχος των σχετιζόμενων εφαρμογών T.N. για την υγεία, είναι η ανάλυση των σχέσεων μεταξύ των τεχνικών πρόληψης ή θεραπείας και των τελικών εκβάσεων των ασθενών. Μπορεί επίσης να βοηθήσει στη λήψη αποφάσεων και στη διεξαγωγή συνομιλιών, έτσι ώστε να αλλάξει δραστικά τους ρόλους και τις καθημερινές πρακτικές των κλινικών ιατρών. Η θεμελιώδης βάση κάθε συστήματος Τ.Ν. είναι ο αλγόριθμος.

Οι τεχνολογίες του Διαδικτύου ωφελούν όλο και περισσότερους ανθρώπους, στον τομέα της παροχής υγειονομικής περίθαλψης, καθώς οι εξελίξεις στην υπολογιστική ισχύ, η ασύρματη τεχνολογία και η συνεχής σμίκρυνση και αποθήκευση μεγάλου όγκου δεδομένων συμβάλλουν στην καλύτερη θεραπευτική αντιμετώπιση των ασθενών. Καθώς ο παγκόσμιος πληθυσμός συνεχίζει να αναπτύσσεται και ο κόσμος να γηράσκει, η τεχνητή νοημοσύνη και η μηχανική μάθηση προσφέρουν νέους και καλύτερους τρόπους για τον εντοπισμό ασθενειών, τη διάγνωση παθήσεων, τη συγκέντρωση πηγών και την ανάπτυξη θεραπευτικών πλάνων, την παρακολούθηση των επιδημιών υγείας (όπως πρόσφατα ο κορονοϊός), τη βελτίωση της αποτελεσματικότητας της ιατρικής έρευνας και των κλινικών δοκιμών, για αποτελεσματικότερες λειτουργίες στην αντιμετώπιση των αυξημένων απαιτήσεων του συστήματος υγειονομικής περίθαλψης.

Μέχρι το 2020 τα ιατρικά δεδομένα θα διπλασιάζονται κάθε 73 ημέρες

Ο οίκος McKinsey εκτιμά ότι θα μπορούσαν να υπάρξουν ετήσιες εξοικονομήσεις της τάξης των 100 δισεκατομμυρίων δολαρίων για την ιατρική και τη φαρμακευτική βιομηχανία, στηριζόμενες στα μεγάλα δεδομένα, καθώς και τα εργαλεία τεχνητής νοημοσύνης και μηχανικής μάθησης. Αλγόριθμοι τεχνητής νοημοσύνης που τροφοδοτούνται από πρόσφατες εξελίξεις στην υπολογιστική ισχύ, μαθαίνουν από τα δεδομένα και μπορούν να προβλέψουν την πιθανότητα μιας κατάστασης, για να βοηθήσουν τους γιατρούς προκειμένου να παράσχουν ένα σχέδιο διάγνωσης και θεραπείας. 

Η Τ.Ν. κατηγοριοποιείται περαιτέρω με βάση τον επιθυμητό επιστημονικό στόχο, σε άλλου τύπου ευρείες υποεφαρμογές, όπως:

• η μηχανική και βαθιά μάθηση (Mechanical and Deep Learning)
• οι εικονικοί βοηθοί (Virtual Assistants)
• οι Βιομετρικές αναλύσεις (Biometrics)
• η αναγνώριση της εικόνας και της φωνής (Image and Voice Recognition)
• η επεξεργασία φυσικής γλώσσας (ΝLP):
  • Dragon: Εφαρμογή (Αpp) για καταγραφή διαγνώσεων και φακέλους ασθενών από τους Επαγγελματίες Υγείας (Ε.Υ) προς τη γραμματεία
• η ανάλυση συναισθημάτων: η ανάλυση συναισθημάτων (γνωστή επίσης ως εξόρυξη γνώμης ή συναισθηματική Τ.Ν.), αναφέρεται στη χρήση της επεξεργασίας φυσικής γλώσσας (ΝLP), της ανάλυσης κειμένου, της υπολογιστικής γλωσσολογίας και της βιομετρίας για τον συστηματικό εντοπισμό, εξαγωγή, ποσοτικοποίηση και μελέτη των συναισθηματικών καταστάσεων και των υποκειμενικών πληροφοριών.
• τα chatbots: εφαρμογές λογισμικού, που χρησιμοποιούνται για τη διεξαγωγή συνομιλίας on line μέσω κειμένου ή κειμένου σε ομιλία, αντί να παρέχει άμεση επαφή με έναν ενεργό άνθρωπο (π.χ. οδηγίες για έναν τραπεζικό λογαριασμό)
• τα μη επανδρωμένα αεροσκάφη (drones)
• η γονιδιωματική (Genomics)
• οι τρισδιάστατες (3D) εκτυπώσεις
• η εικονική, μικτή και επαυξημένη πραγματικότητα (VR,MR,AR) ενώ υπάρχει επικάλυψη με συναφή επιστημονικά πεδία όπως:
  • η μηχανική όραση (Mechanical vision),
  • η ρομποτική (Robotics),
  • η κβαντική μηχανική (QM)
  • η συστοιχία αλυσίδων (Blockchain) 

τα οποία μπορούν να τοποθετηθούν μέσα στο ευρύτερο πλαίσιο της σύγχρονης τεχνητής νοημοσύνης ως ανεξάρτητα πεδία της. 

Τελικά, η Τ.Ν., το διαδίκτυο των πραγμάτων, η μηχανική μάθηση και η ανάλυση των δεδομένων (Data Analytics) μπορούν να βοηθήσουν σε πολλά κλινικά προβλήματα, εφόσον τα κυβερνητικά και λοιπά κανονιστικά όργανα μπορούν να καθορίσουν περαιτέρω τον τρόπο ρύθμισης της χρήσης αλγορίθμων στην υγειονομική περίθαλψη. 

3. Ενδεικτικές Εφαρμογές στον χώρο παροχής υπηρεσιών της Υγείας από Φαρμακευτικές και Ιατροτεχνολογικές Εταιρείες

3.1.Υπολογιστική και Μηχανική Όραση 

Η εκπαίδευση των υπολογιστών να «βλέπουν» τον κόσμο και να κατανοούν την οπτική είσοδο δεν είναι μικρό επίτευγμα. Δεδομένου ότι υπήρξε σημαντική πρόοδος στη μηχανική όραση, υπάρχουν περισσότεροι τρόποι με τους οποίους η υπολογιστική και η μηχανική όραση χρησιμοποιούνται στην ιατρική, για τη διάγνωση, την παρακολούθηση των σαρώσεων και των ιατρικών εικόνων, τη χειρουργική επέμβαση και πολλά άλλα. Η μηχανική όραση μπορεί να βοηθήσει για παράδειγμα τους γιατρούς να γνωρίζουν οριστικά πόσο αίμα χάνει μια γυναίκα κατά τη διάρκεια του τοκετού, ώστε να μπορεί να δοθεί η κατάλληλη προσοχή, ως αποτέλεσμα να μειωθεί η θνησιμότητα των μητέρων από την αιμορραγία μετά τον τοκετό. Οι υπολογιστές
παρέχουν ακριβείς πληροφορίες, ενώ στο παρελθόν αυτό εθεωρείτο ένα παιχνίδι εικασίας. Οι εφαρμογές όπου οι υπολογιστές χρησιμοποιούνται για την ανάγνωση αξονικών τομογραφιών, με σκοπό την ανίχνευση νευρολογικών, καρδιαγγειακών, οφθαλμολογικών παθήσεων και την επισήμανση όγκων σε εικόνες ακτινογραφιών, αυξάνονται συνεχώς.

3.2. Ρομποτική

Επί του παρόντος, τα συνεργατικά ρομπότ -όπως το χειρουργικό ρομπότ da Vinci- βοηθούν ήδη τους χειρουργούς σε μεγάλα νοσοκομεία της χώρας μας. Ωστόσο, το δυναμικό των ρομπότ στην υγειονομική περίθαλψη εκτείνεται πέρα από τις χειρουργικές χρήσεις. Σημαντική επίσης είναι η βοήθεια των ρομπότ κατά τη διάρκεια της κρίσης του κορονοϊού. 

Με την τεράστια αύξηση που αναμένεται στον κλάδο -η παγκόσμια αγορά ιατρικής ρομποτικής αναμένεται να φθάσει τα 20 δισεκατομμύρια δολάρια μέχρι το 2023- δεν υπάρχει αμφιβολία ότι τα ρομπότ που χρησιμοποιούνται στην υγειονομική περίθαλψη θα συνεχίσουν να εκτελούν διαφορετικά καθήκοντα. Αυτά τα καθήκοντα περιλαμβάνουν:

• την παροχή βοήθειας στους γιατρούς να εξετάζουν και να θεραπεύουν τους ασθενείς σε αγροτικές περιοχές μέσω της «τηλεϊατρικής»,
• τη μεταφορά ιατρικών προμηθειών και φαρμάκων,
• την απολύμανση των νοσοκομειακών χώρων,
• την παροχή βοήθειας σε ασθενείς με αποκατάσταση ή με προσθετικά,
• την παροχή κοινωνικής συντροφιάς σε ηλικιωμένους ασθενείς,
• τη στοχευμένη θεραπεία σε ένα συγκεκριμένο τμήμα του σώματος, όπως με τα nanorobots στο αίμα, την ακτινοβολία σε όγκο ή την αντιμετώπιση μικροβιακών λοιμώξεων,
• τον συνεχή ανεφοδιασμό φαρμακείων, φαρμακαποθηκών και φαρμακοβιομηχανιών.

Παρόλο που δεν έχουμε φτάσει σίγουρα στην εποχή της νανοτεχνολογίας, οι τάσεις δείχνουν ότι η τεχνολογία γίνεται όλο και πιο σημαντική. Με την εμφάνιση των ψηφιακών χαπιών, πλησιάζουμε βήμα προς βήμα τα nanorobots. Σε αυτό το μέτωπο: οι ερευνητές του Ινστιτούτου Max Planck πειραματίζονται με ρομπότ εξαιρετικά μικρού μεγέθους -μικρότερου από ένα χιλιοστό- που κυριολεκτικά κολυμπούν μέσα από τα σωματικά σας υγρά και θα μπορούσαν να χρησιμοποιηθούν για την παροχή φαρμάκων ή άλλης ιατρικής αγωγής με πολύ στοχοθετημένο τρόπο. 

3.3. Η Τεχνολογία Φορητών Συσκευών (wearable devices)

Η φορητή τεχνολογία είναι έξυπνες ηλεκτρονικές συσκευές (ηλεκτρονικές συσκευές με μικροελεγκτές) που φοριούνται κοντά ή και στην επιφάνεια του δέρματος και οι οποίες ανιχνεύουν, αναλύουν και μεταδίδουν πληροφορίες που αφορούν π.χ. ζωτικά σήματα του σώματος ή / και δεδομένα περιβάλλοντος και οι οποίες επιτρέπουν σε ορισμένες περιπτώσεις την άμεση αντανακλαστική αντίδραση από τον χρήστη. Η βιομηχανία ιατρικής τεχνολογίας (medtech) σχεδιάζει και κατασκευάζει ένα ευρύ φάσμα ιατρικών προϊόντων, που βοηθούν στη διάγνωση, στην παρακολούθηση και τη θεραπεία διαφορετικών ασθενειών. Υπάρχουν σήμερα περισσότερες από 500.000 διαθέσιμες ιατρικές τεχνολογίες οι οποίες έχουν ως κοινό σκοπό - να έχουν ευεργετική επίδραση στην υγεία και την ποιότητα ζωής των ανθρώπων. 

Οι ιατρικές συσκευές αντιπροσωπεύουν μια εξαιρετικά ποικίλη ομάδα προϊόντων, η οποία κυμαίνεται από απλές, αναλώσιμες προμήθειες και σύριγγες, έως χειρουργικά εργαλεία, συσκευές παρακολούθησης και μηχανές απεικόνισης. Περιλαμβάνουν επίσης ιατρικά διαγνωστικά όργανα, κιτ δοκιμών, λογισμικό διαχείρισης ασθενών και λογισμικό που χρησιμοποιείται ως άμεσο συστατικό σε μια ιατρική συσκευή. Η McLear και η Fitbit ήταν οι πρώτες δύο εταιρείες τεχνολογίας που ανέπτυξαν πρώτες, σύγχρονες φορητές συσκευές για τη μαζική κατανάλωση και όχι μόνο ως φουτουριστικά εννοιολογικά προϊόντα. Η McLear, η οποία παραμένει σήμερα ως ένας από τους ηγέτες στον χώρο της υπολογιστικής από πλευράς σχεδιαστικής εμφάνισης, ξεκίνησε την έρευνα και ανάπτυξη ευφυών ρολογιών και ανέπτυξε αργότερα, το 2010, το «έξυπνο δαχτυλίδι».

Τον Ιανουάριο του 2018 μια μικρή επιχείρηση, η Empatica, έλαβε την πρώτη έγκριση του FDA για το ευφυές ρολόι Embrace, το οποίο παρακολουθεί και προειδοποιεί για επιληπτικές κρίσεις αφαίρεσης, ενώ παράλληλα μετρά τα βήματα και την ποιότητα του ύπνου.

Άλλες μορφές φορητών συσκευών είναι οι οθόνες ηλεκτροκαρδιογραφήματος (ΗΚΓ) που μπορούν να ανιχνεύσουν κολπική μαρμαρυγή και να στείλουν αναφορές στον γιατρό, συσκευές παρακολούθησης της αρτηριακής πίεσης, σακχάρου, αυτοκόλλητα έμπλαστρα βιοαισθητήρα, που παρακολουθούν τη θερμοκρασία του σώματος, τον καρδιακό ρυθμό και πολλά άλλα. 

3.4. Τρισδιάστατη εκτύπωση (3D)

Ακριβώς όπως έχει γίνει και για άλλες βιομηχανίες, η εκτύπωση 3D επιτρέπει την προσαρμογή, έρευνα και κατασκευή πρωτοτύπων εργαλείων και οργάνων για την υγειονομική περίθαλψη. Οι χειρουργοί μπορούν να αναπαράγουν τα ειδικά για τον ασθενή όργανα με εκτύπωση 3D. Η τρισδιάστατη εκτύπωση καθιστά ευκολότερο να αναπτυχθούν οικονομικά άνετα προσθετικά άκρα για ασθενείς και εκτυπωμένοι ιστοί και όργανα για μεταμόσχευση. Επίσης, η εκτύπωση 3D χρησιμοποιείται στην οδοντιατρική και την ορθοδοντική (εμφυτεύματα).

3.5. Τεχνολογίες 5G (5ης Γενιάς) 

Δεδομένου ότι οι δυνατότητες των κέντρων υγειονομικής περίθαλψης να παρέχουν φροντίδα σε απομακρυσμένες ή μη καλά εξυπηρετούμενες περιοχές μέσω της τηλεϊατρικής αυξάνεται, η ποιότητα και η ταχύτητα του δικτύου θα είναι καθοριστικές παράμετροι προκειμένου οι επαγγελματίες Υγείας (Ε.Υ) να επιτύχουν θετικά αποτελέσματα. Οι τεχνολογίες 5G μπορεί να υποστηρίξουν καλύτερα κέντρα και φορείς υγειονομικής περίθαλψης επιτρέποντας τη μετάδοση μεγάλων αρχείων απεικόνισης, ούτως ώστε οι ειδικοί να μπορούν να εξετάζουν, να ανασκοπούν και να συμβουλεύουν σχετικά με την πιο κατάλληλη φροντίδα τους ασθενείς, ενώ παράλληλα επιτρέπουν τη χρήση της τεχνολογίας Τ.Ν. και του Διαδικτύου των πραγμάτων προκειμένου να ενισχύσουν την ικανότητα ενός γιατρού να προσφέρει θεραπείες μέσω επαυξημένης (AR), εικονικής (VR) και μικτής πραγματικότητας, ενώ παράλληλα επιτρέπουν την απομακρυσμένη και αξιόπιστη παρακολούθηση των ασθενών. Αυτές οι τεχνολογίες προσφέρουν απίστευτες ευκαιρίες για την παροχή καλύτερης υγειονομικής περίθαλψης σε δισεκατομμύρια ανθρώπους και βοηθώντας τα συστήματα υγείας μας να αντιμετωπίσουν τις συνεχώς αυξανόμενες απαιτήσεις. 

3.6. Γονιδιωματική: μέρος της γενετικής που μελετά το γονιδίωμα των οργανισμών 

Η τεχνητή νοημοσύνη και η εκμάθηση μηχανών βοηθούν στην πρόοδο της γονιδιωματικής ιατρικής - όταν χρησιμοποιούνται γονιδιωματικές πληροφορίες ενός ατόμου για τον προσδιορισμό εξατομικευμένων σχεδίων θεραπείας και κλινικής περίθαλψής του. Στη φαρμακολογία, την ογκολογία, τις λοιμώδεις ασθένειες και άλλα, η γενωμική ιατρική έχει σημαντικό αντίκτυπο.

3.7. Επαυξημένη Πραγματικότητα [Εικονική (VR), Επαυξημένη (AR) και Μικτή Πραγματικότητα (MR)] 

Εικονική πραγματικότητα (VR) ονομάζεται η προσομοίωση ενός πραγματικού ή φανταστικού περιβάλλοντος μέσα από έναν υπολογιστή, στον οποίο μπορεί κάποιος να βυθιστεί.

Η επαυξημένη πραγματικότητα (ΑR) δεν είναι μόνο προς χρήση διασκέδασης, αλλά χρησιμοποιείται και για άλλους σημαντικούς σκοπούς στην υγειονομική περίθαλψη. Η αγορά της υγειονομικής περίθαλψης VR / AR εκτιμάται ότι θα φθάσει τα 5,1 δισεκατομμύρια δολάρια μέχρι το 2025.

Η τεχνολογία αυτή δεν είναι μόνο εξαιρετικά επωφελής για την κατάρτιση και την προσομοίωση μιας χειρουργικής επέμβασης, αλλά παίζει επίσης σημαντικό ρόλο στην περίθαλψη και τη θεραπεία των ασθενών.

Η εικονική πραγματικότητα βοηθά ασθενείς με προβλήματα όρασης, κατάθλιψης, νεοπλασιών και αυτισμού. Η επαυξημένη πραγματικότητα βοηθά στην παροχή ενός άλλου επιπέδου υποστήριξης για τους επαγγελματίες υγείας και τους βοηθούς τους κατά τη διάρκεια της εγχείρησης στον εγκέφαλο για την επανασύνδεση των αιμοφόρων αγγείων. 

3.8. Ψηφιακοί Δίδυμοι 

Ένας ψηφιακός δίδυμος είναι μια ψηφιακή αναπαράσταση ενός φυσικού αντικειμένου, διαδικασιών ή/και συστημάτων που μπορούν να αξιοποιηθούν για διάφορους σκοπούς. Οι ψηφιακοί δίδυμοι μπορούν να βοηθήσουν έναν γιατρό να καθορίσει τις δυνατότητες επιτυχούς έκβασης μιας διαδικασίας, να βοηθήσει στη σωστή λήψη αποφάσεων στη θεραπεία και να διαχειριστεί χρόνιες ασθένειες. Τελικά, οι ψηφιακοί δίδυμοι μπορούν να βοηθήσουν στη βελτίωση της εμπειρίας των ασθενών, μέσω της αποτελεσματικής φροντίδας με επίκεντρο τον ασθενή.

4. Προκλήσεις και Ηθικά Διλήμματα 

Εκτός από τις μεγάλες ευκαιρίες που παρουσιάζονται από τη χρήση της τεχνητής νοημοσύνης στο χρηματοπιστωτικό τομέα, αναδύονται και νέες προκλήσεις προς αντιμετώπιση:

• Η αδιαφάνεια ως προς τα χαρακτηριστικά και τη συμπεριφορά των εφαρμοζόμενων, συνήθως πολύπλοκων, αλγορίθμων επεξεργασίας των δεδομένων, ενδέχεται να επιφέρει δυσκολίες στην κατανόηση και στον έλεγχο των εμπλεκόμενων διαδικασιών και περιορισμό της ιχνηλασιμότητάς τους, τόσο από τους ίδιους τους οργανισμούς που τους υιοθετούν όσο και από τις αρχές που τους εποπτεύουν (φαινόμενο που χαρακτηρίζεται ως «μαύρο κουτί»- «black box»).
• Ο ακατάλληλος σχεδιασμός των αλγορίθμων τεχνητής νοημοσύνης ενδέχεται να εισάγει μεροληψία (Bias) και διακρίσεις στα αποτελέσματα που προκύπτουν από την εφαρμογή της. Η ανεπαρκής αξιολόγηση των αποτελεσμάτων που προκύπτουν από την επεξεργασία δεδομένων με τεχνητή νοημοσύνη ενδέχεται να οδηγήσει οργανισμούς σε λήψη λανθασμένων αποφάσεων και κατ’ επέκταση να επιφέρει κινδύνους φήμης και συμμόρφωσης με το κανονιστικό πλαίσιο.
• Οι ευπάθειες στα μοντέλα τεχνητής νοημοσύνης ή στις υποδομές διαχείρισης των πληροφοριών ενδέχεται να οδηγήσουν στην εμφάνιση κινδύνων ασφάλειας πληροφοριών, κυβερνοασφάλειας και εν γένει προστασίας δεδομένων, με χαρακτηριστικό το παράδειγμα της διαρροής δεδομένων του οργανισμού Equifax, κατά το οποίο εκτιμάται ότι περίπου 143 εκατ. προσωπικά δεδομένα Αμερικανών πολιτών κλάπηκαν από χάκερ.

Για να αντιμετωπιστούν οι ανωτέρω κίνδυνοι, οι εταιρείες οφείλουν να εξασφαλίζουν ότι κάθε προσπάθεια αξιοποίησης της τεχνητής νοημοσύνης θα υπακούει σε κανόνες ηθικής, σύμφωνα με τις κατευθυντήριες γραμμές της Ευρωπαϊκής Ένωσης και ότι τα αποτελέσματα εφαρμογής των αλγορίθμων θα είναι εξηγήσιμα και αμερόληπτα. Απαιτείται να διαθέτουν ένα πλαίσιο κατανόησης, ελέγχου και διακυβέρνησης αυτών των τεχνολογιών, που θα εξασφαλίζει ότι κάθε κρίσιμη απόφαση που λαμβάνεται με τη βοήθεια της τεχνητής νοημοσύνης, θα είναι επαρκώς τεκμηριωμένη και θα μπορεί, εφόσον απαιτηθεί, να αναπαραχθεί σε μελλοντικό χρόνο. Αυτό το πλαίσιο πρέπει να διασφαλίζει την ορθή λειτουργία και την ακρίβεια των αποτελεσμάτων των αλγορίθμων, μέσω της συνεχούς επίβλεψης από εξειδικευμένο προσωπικό, που θα έχει κατανοήσει τον τρόπο λειτουργίας τους. Επιπλέον, όλες οι εταιρείες και οργανισμοί θα πρέπει να εφαρμόζουν όλες εκείνες τις δικλίδες ασφαλείας για την ενίσχυση της προστασίας των δεδομένων.