Οι πάροχοι υγειονομικής περίθαλψης πρέπει να γνωρίζουν τους κινδύνους από τη χρήση της τεχνητής νοημοσύνης —ειδικά σε χώρες χαμηλού και μεσαίου εισοδήματος— δήλωσε ο Παγκόσμιος Οργανισμός Υγείας (ΠΟΥ). Τα μεγάλα πολυτροπικά μοντέλα (LMM), ένας τύπος γενετικής τεχνητής νοημοσύνης που έχει ευρείες εφαρμογές σε ολόκληρη την υγειονομική περίθαλψη, θα μπορούσαν να μεταμορφώσουν τα παγκόσμια αποτελέσματα υγείας, βελτιώνοντας σημαντικά τα διαγνωστικά και τις θεραπείες, σύμφωνα με τον ΠΟΥ.
Η τεχνολογία έχει υιοθετηθεί ταχύτερα από οποιαδήποτε εφαρμογή καταναλωτών στην ιστορία, αναφέρει η υπηρεσία του ΟΗΕ, επικαλούμενη την πρόσφατη εμφάνιση των πλατφορμών ChatGPT, Bard και Bert. «Όλοι μπαίνουμε σε μια νέα εποχή υπεύθυνης χρήσης τεχνητής νοημοσύνης στη δημόσια υγεία και την κλινική ιατρική», είπε ο Alain Labrique, διευθυντής ψηφιακής υγείας και καινοτομίας του ΠΟΥ, σε συνέντευξη Τύπου στις 18 Ιανουαρίου.
Ο ΠΟΥ έχει δημιουργήσει νέες οδηγίες σχετικά με την ηθική και τη διακυβέρνηση των LMM, οι οποίες βασίζονται στην τεχνολογία που χρησιμοποιείται για μοντέλα που βασίζονται σε κείμενο, όπως το ChatGPT. Μπορούν να δεχτούν πολλαπλές εισόδους δεδομένων, όπως κείμενο, βίντεο και εικόνες για να δημιουργήσουν διαφορετικές εξόδους. «Οι αρχές και οι συστάσεις σε αυτό το έγγραφο ανοίγουν το δρόμο για ένα μέλλον όπου η τεχνητή νοημοσύνη συμβάλλει στην ευημερία της ανθρωπότητας, τηρώντας τα υψηλότερα ηθικά πρότυπα», είπε ο Labrique.
Η τεχνολογία έχει ευρέως διαδεδομένες χρήσεις στην υγειονομική περίθαλψη, συμπεριλαμβανομένης της διάγνωσης, της επιστημονικής έρευνας και της ανάπτυξης φαρμάκων, της ιατρικής εκπαίδευσης, της χορήγησης και της χρήσης από τους ίδιους τους ασθενείς για την αξιολόγηση των συμπτωμάτων. Τα συστήματα τεχνητής νοημοσύνης θα μπορούσαν να αναπτυχθούν για την ανάλυση τεράστιων ποσοτήτων ιατρικών δεδομένων, συμπεριλαμβανομένων εικόνων, σαρώσεων και ηλεκτρονικών αρχείων υγείας, προκειμένου να παρέχουν διαγνώσεις και προσαρμοσμένα σχέδια θεραπείας – ακόμη και να προβλέψουν τα αποτελέσματα των ασθενών.
Έχει τη δυνατότητα να σώσει ζωές, να βελτιώσει την υγειονομική περίθαλψη και να την καταστήσει πιο αποτελεσματική, απαλλάσσοντας τους γιατρούς από τα συνηθισμένα καθήκοντα και τη γραφειοκρατία. Ο Philippe Gerwill είπε: «Σε περιοχές που αντιμετωπίζουν έλλειψη ιατρών, τα LMM ξεχωρίζουν ως βασικό εργαλείο για την αύξηση της προσβασιμότητας στην υγειονομική περίθαλψη. Με την ενίσχυση της παραγωγικότητας των εργαζομένων στον τομέα της υγείας, αυτά τα μηχανήματα μπορούν να μετριάσουν τον αντίκτυπο των ελλείψεων γιατρών, διασφαλίζοντας ευρύτερη και πιο δίκαιη πρόσβαση στην ιατρική περίθαλψη».
Ωστόσο, παράλληλα με αυτά τα πιθανά οφέλη βρίσκονται και σημαντικοί κίνδυνοι που πρέπει να εξεταστούν προσεκτικά, προειδοποιεί ο ΠΟΥ. «Οι γενετικές τεχνολογίες τεχνητής νοημοσύνης έχουν τη δυνατότητα να βελτιώσουν την υγειονομική περίθαλψη, αλλά μόνο εάν όσοι αναπτύσσουν, ρυθμίζουν και χρησιμοποιούν αυτές τις τεχνολογίες εντοπίσουν και λογοδοτήσουν πλήρως τους σχετικούς κινδύνους», δήλωσε ο επικεφαλής επιστήμονας του ΠΟΥ Τζέρεμι Φάραρ. «Χρειαζόμαστε διαφανείς πληροφορίες και πολιτικές για τη διαχείριση του σχεδιασμού, της ανάπτυξης και της χρήσης των LMM».
Λανθασμένη διάγνωση
Η υπερεκτίμηση των δυνατοτήτων των LMM χωρίς αναγνώριση των περιορισμών τους θα μπορούσε να οδηγήσει σε επικίνδυνες λανθασμένες διαγνώσεις ή ακατάλληλες αποφάσεις θεραπείας, λέει ο ΠΟΥ. Ένας κίνδυνος είναι η εξάρτηση των συστημάτων υγειονομικής περίθαλψης από LMM που δεν συντηρούνται ή δεν ενημερώνονται σωστά, ιδιαίτερα σε χώρες χαμηλού και μεσαίου εισοδήματος. Η εξάρτηση από τα LMM θα μπορούσε επίσης να οδηγήσει σε απώλεια θέσεων εργασίας και να απαιτήσει σημαντική επανεκπαίδευση για τους εργαζόμενους στον τομέα της υγείας.
«Δεν υπάρχει δωρεάν μεσημεριανό γεύμα», είπε στην ενημέρωση ο Ροχίτ Μαλπάνι, από το τμήμα έρευνας του ΠΟΥ για την υγεία. «Υπάρχουν διαφορετικοί κίνδυνοι που σχετίζονται με κάθε περίπτωση χρήσης». «Υπάρχουν επίσης ευρύτερα συστήματα υγείας και κοινωνικοί κίνδυνοι». Η εκπαίδευση και η χρήση αυτών των ισχυρών μοντέλων έχουν επίσης σημαντικό περιβαλλοντικό κόστος, όσον αφορά τις εκπομπές άνθρακα και την κατανάλωση νερού. Επιπλέον, ο ΠΟΥ εκφράζει ανησυχίες σχετικά με την ανάπτυξη και την ανάπτυξή τους στα χέρια μεγάλων εταιρειών τεχνολογίας, λόγω του οικονομικού κόστους της εκπαίδευσης και της διατήρησής τους.
Ανισότητες
Ο ΠΟΥ εγείρει επίσης ζητήματα σχετικά με την ισότητα πρόσβασης σε αυτά τα μοντέλα, τα οποία θα μπορούσαν να περιοριστούν από το ψηφιακό χάσμα και τα υψηλά τέλη συνδρομής, επιδεινώνοντας τις υπάρχουσες ανισότητες στον τομέα της υγείας μεταξύ ανεπτυγμένων και αναπτυσσόμενων χωρών. Επιπλέον, τα LMM που έχουν εκπαιδευτεί σε μεροληπτικά δεδομένα θα μπορούσαν να διαιωνίσουν αυτές τις προκαταλήψεις στα συστήματα υγειονομικής περίθαλψης. Μια σημαντική πρόκληση έγκειται στη δημιουργία της απαραίτητης υποδομής και στη ρύθμιση της χρήσης της τεχνητής νοημοσύνης σε δημόσιο και ιδιωτικό τομέα.
«Είναι πολύ σημαντικό να αναγνωρίσουμε τις αποκλίσεις που υπάρχουν μεταξύ των χωρών και στη διαθεσιμότητα αξιόπιστων δεδομένων», δήλωσε ο Labrique. «Εργαζόμαστε πολύ στενά για να επιτρέψουμε στις χώρες να διασφαλίσουν ότι έχουν τη χρηστή διακυβέρνηση που απαιτείται για να προστατέψουν και να διαχειριστούν τη χρήση της τεχνητής νοημοσύνης στον τομέα της υγείας». Ωστόσο, ο Gerwill στο AI 2030 πιστεύει ότι πρέπει να γίνουν περισσότερα.
«Πρωτοβουλίες όπως η παροχή επιχορηγήσεων, η πρόσβαση σε κοινόχρηστους πόρους υπολογιστικού νέφους και τα ανοιχτά σύνολα δεδομένων θα μπορούσαν να είναι εξαιρετικά ωφέλιμες», είπε. Είπε ότι οι διεθνείς φορείς μπορούν να ισοπεδώσουν τους όρους ανταγωνισμού επιτρέποντας στις χώρες χαμηλού και μεσαίου εισοδήματος να αποκτήσουν την υπολογιστική ισχύ, τα δεδομένα και την τεχνογνωσία που απαιτούνται για την ανάπτυξη και την εφαρμογή των LMM.