Успех искусственного интеллекта в здравоохранении зависит от повсеместного внедрения открытых API, говорит национальный координатор США Дон Рукер (ONC National Coordinator Dr. Don Rucker).
Инструменты искусственного интеллекта будут играть все более важную роль в индустрии здравоохранения. Плательщики, поставщики и разработчики ИТ для здравоохранения связывают свои надежды на снижение затрат и улучшение результатов за счет способности ИИ распознавать тонкие закономерности в огромных объемах данных, оптимизировать рабочие процессы или предлагать действия, которые могут привести к лучшим результатам в обследовании и лечении пациентов.
Для Управления национального координатора (ONC) США, которое несет ответственность за внедрения информационных технологий в области здравоохранения, искусственный интеллект является одновременно перспективным и потенциально проблематичным.
Машинное обучение, безусловно, предлагает беспрецедентные возможности для превращения больших массивов данных в практические знания, говорит национальный координатор Дон Рукер.
Однако заинтересованные стороны могут столкнуться с трудностями в быстром развитии технической базы, необходимой для поддержки ИИ, особенно открытых интерфейсов программирования приложений (API-интерфейсов), которые позволяют организациям безопасно и стандартизировано использовать алгоритмы, требующие данных.
“На данный момент мы наблюдаем очевидную шумиху вокруг ИИ. Однако тоже самое было и во время первой волны машинного обучения несколько десятилетий назад”, - сказал Рукер журналистам портала HealthITAnalytics.com на ежегодной встрече ONC 2018 в Вашингтоне, округ Колумбия.
Рукер врач скорой помощи, специалист в области ИТ и опытный руководитель здравоохранения, заинтересовался искусственном интеллектом, еще когда учился в аспирантуре. Он наблюдал подъем интереса к ИИ и затем спад, но на этот раз он верит, что интерес к ИИ, скорее всего останется. “Ажиотаж очень, очень похож на то, что было в прошлом”, - отметил он. “Вы, вероятно, могли бы взять любые 20 статей об ИИ с начала 1980-х годов, изменить фактические даты, возможно, поменять несколько слов, и эти статьи были бы почти идентичны тому, что публикуется сегодня”.
“Разница, однако, заключается в вычислительной мощности, которую мы имеем сейчас. Сейчас существует реальная перспектива для ИИ , которой раньше не было. Мир движется к выделенным чипам, которые имеют намного больше мощности, чем раньше. В наши дни гораздо более ясно, как ИИ может помочь в решении реальных проблем”.
Тем не менее, для скачка от теории к реальности потребуется нечто большее, чем просто рвение поклонников ИИ. Необходимы согласованные усилия всех заинтересованных сторон для создания больших банков данных, которые позволят организациям обмениваться критически важными знаниями, разрабатывать новые алгоритмы и проверять модели машинного обучения.
Координация этих усилий является естественным продолжением первоначальной миссии ONC по оцифровке данных о состоянии здоровья страны, сказал Рукер.
“Исторически ONC активно участвовала в создании электронных медицинских данных”, - сказал он. “Без цифровых данных ничего бы не произошло. Мы в значительной степени достигли этой цели, поэтому теперь мы смотрим в будущее”.
“Мы используем термин “большие данные” (big data) сейчас, потому что у нас много различных систем, генерирующих множество различных типов информации. Но большинство из них изолированы, и их трудно получить”.
Разрозненный характер данных просто не годятся для разработчиков ИИ, которые хотят создать продукты и услуги будущего, продолжил он.
“Когда вы говорите об использовании данных для создания аналитических алгоритмов или обучения моделей машинного обучения, вы будете искать данные, которые помогут вам определить закономерности — различия между группами пациентов, лечением или обращением. Для этого вам нужно больше, чем просто данные из одной больницы. Вы должны смотреть по всем медицинским организациям”. Именно в решении этой проблемы особое значение играют открытые API.
“Наша роль заключается в том, чтобы поддерживать связи между разрозненными субъектами и их данными, не забывая, конечно, о конфиденциальности и безопасности”, - сказал Рукер. “Интерфейсы прикладного программирования являются ключевой частью этого”.
API действуют как мосты между приложениями или системами, которые в противном случае не могут найти «общий язык». API позволяют приложениям запрашивать доступ к данным, хранящим в другом месте, что облегчает инженерам и ученым создание инструментов, которые используют существующие ресурсы, не перестраивая все с нуля.
В сфере здравоохранения API быстро приобретают решающее значение для обмена данными, поддержки инструментов аналитики и предоставления доступа к личной информации о здоровье, особенно в сочетании с HL7 Fast Healthcare Interoperability Resource, более известными как FHIR.
Эффективность API должна быть расширена еще больше, для того чтобы инициатива искусственного интеллекта принесла результаты, заявил Рукер.
“Без открытых API эффективного машинного обучения просто не будет”, - заявил он.
“Это потому, что ИИ похож на сжигание бензина в очень неэффективном двигателе. Вам нужно много данных, чтобы прийти хотя бы к какому-нибудь заключению. API будут иметь решающее значение для предоставления разработчикам доступа к достаточному количеству данных для обучения и тестирования реальных моделей”.
Однако это не означает, что API вдруг должны предоставлять данные бесплатно для всех, добавил он. “Я хочу ясно заявить, что API - это не просто открытая дверь, чтобы делать все, что вы хотите, с данными”, - подчеркнул Рукер. “Любое лицо, осуществляющее обмен защищенными медицинскими данными через API, по-прежнему связано с HIPAA, и ему по-прежнему необходимо получить соответствующее согласие от отдельных лиц на использование своих данных для анализа или исследований”.
Конфиденциальность и безопасность — это не единственные проблемы, с которыми сталкиваются разработчики искусственного интеллекта, которые хотят воспользоваться преимуществами API.
В настоящее время API, ориентированные на здравоохранение, позволяют приложениям использовать данные только на индивидуальном уровне, пояснил Рукер.
“Переговоры о совместимости и доступе к данным пациентов, которые мы проводили на федеральном уровне, были в основном сосредоточены вокруг предоставления человеку доступа к его личной информации о здоровье. API, которые у нас есть сейчас, могут поддержать это, что очень, очень важно для потребительского здравоохранения, которое мы все хотим видеть”.
“Но в настоящее время нет API, который будет выступать как пожарный шланг для данных на уровне населения”, - сказал он. “Это действительно недостающее звено для получения больших объемов анонимных, нормализованных данных, которые нам нужны для ИИ. Без этой возможности ИИ будет ничем в здравоохранении”.
К счастью, заинтересованные стороны уже напряженно работают над новым поколением API, которые предназначены для совместного использования данных в масштабе.
Наиболее заметным является проект “Аргонаут” (Argonaut Project) - инициатива частного сектора, направленная на расширение возможностей и расширение применения HL7 FHIR.
В какой-то момент в 2019 году группа ожидает, что сможет предложить отрасли возможность передачи больших объемов данных о состоянии здоровья через протоколы FHIR.
“Эти запросы на уровне популяции предназначены использовать как правило одинаковую структуру данных и подходов, что и индивидуальные запросы, которые мы можем выполнить, но масштабируются до промышленной прочности”, - сказал Рукер. Это критический строительный блок для ИИ.
Как только потенциал будет достаточно развит и "выпущен на свободу" в среде здравоохранения, Рукер считает, что поглощение будет быстрым и решительным, что откроет новое поколение возможностей ИИ.
“Я считаю, что в течение следующих двух лет мы будем использовать эту способность широко во всей отрасли здравоохранения, и она будет революционной во многих отношениях”, - предсказал он.
“Мы должны быть в состоянии сделать это быстро. Если мы не можем найти способ использовать API в полной мере, тогда ИИ просто не будет введен в практическое здравоохранение”.
По материалам https://healthitanalytics.com/news/rucker-without-apis-artificial-intelligence-will-fail-in-healthcare