Χρήση Τεχνητής Νοημοσύνης για την επίλυση του προβλήματος «προτίμηση της κορυφής»

(Dan Tri) - Η τεχνητή νοημοσύνη ανοίγει τεράστιες δυνατότητες στην υγειονομική περίθαλψη και την εξ αποστάσεως ιατρική περίθαλψη, ειδικά για τις χώρες χαμηλού και μεσαίου εισοδήματος.

Η τεχνολογία, η τεχνητή νοημοσύνη (AI) και τα Μεγάλα Δεδομένα αναδιαμορφώνουν το μέλλον πολλών βιομηχανιών, με την υγειονομική περίθαλψη να αναδεικνύεται σε έναν πολλά υποσχόμενο τομέα. Στο Φόρουμ Υγειονομικής Περίθαλψης του Βιετνάμ 2025, ειδικοί συζήτησαν τις δυνατότητες και τις προκλήσεις της Τεχνητής Νοημοσύνης και των Μεγάλων Δεδομένων στη ιατρική διάγνωση και θεραπεία.

Το φόρουμ, με θέμα «Μεγάλα Δεδομένα και Τεχνητή Νοημοσύνη στην Ιατρική Διάγνωση και Θεραπεία», πραγματοποιήθηκε στις 21-22 Ιουλίου, σε συνδιοργάνωση του Παγκοσμίου Συνδέσμου Βιετναμέζικων Επιστημόνων και Εμπειρογνωμόνων (AVSE Global) και του 108ου Κεντρικού Στρατιωτικού Νοσοκομείου.

Η εκδήλωση συγκεντρώνει κορυφαίους εγχώριους και ξένους εμπειρογνώμονες για να μοιραστούν οράματα και εμπειρίες για τη βελτίωση της ποιότητας της υγειονομικής περίθαλψης στο Βιετνάμ.

Τεχνητή Νοημοσύνη: Εγκαινιάζοντας μια Νέα Εποχή στην Υγειονομική Περίθαλψη

Ο καθηγητής Guy Marks, Πρόεδρος της Διεθνούς Ένωσης κατά της Φυματίωσης και των Πνευμονοπαθειών και Καθηγητής στο Πανεπιστήμιο της Νέας Νότιας Ουαλίας (Αυστραλία), παρείχε μια εικόνα για το πώς η Τεχνητή Νοημοσύνη και οι προηγμένες τεχνολογίες μπορούν να αντιμετωπίσουν τις εγγενείς προκλήσεις της παγκόσμιας υγείας, ιδίως σε χώρες χαμηλού και μεσαίου εισοδήματος όπως το Βιετνάμ.

Καθηγητής Guy Marks, Πρόεδρος της Διεθνούς Ένωσης κατά της Φυματίωσης και των Πνευμονοπαθειών και καθηγητής στο Πανεπιστήμιο της Νέας Νότιας Ουαλίας στο Φόρουμ (Φωτογραφία: Οργανωτική Επιτροπή).

«Οι παραδοσιακές προσεγγίσεις του 19ου αιώνα στη διαχείριση της υγειονομικής περίθαλψης καθίστανται ξεπερασμένες, γεγονός που έχει περιπλέξει την παροχή υγειονομικής περίθαλψης σήμερα», δήλωσε ο καθηγητής Μαρκς. Επισήμανε τρεις βασικές πολυπλοκότητες στην ιατρική του 21ου αιώνα:

Ανθρώπινη Βιολογία: Το ανθρώπινο σώμα είναι ένα πολύπλοκο σύστημα που δεν επιδέχεται πλήρη επιστημονική εξήγηση .

Περιβάλλον: Το περιβάλλον περιέχει πολλά παθογόνα και κινδύνους. Οι περισσότερες ασθένειες είναι αποτέλεσμα πολύπλοκων αλληλεπιδράσεων μεταξύ της ανθρώπινης βιολογίας και του περιβάλλοντος.

Ιατρικές Παρεμβάσεις: Η σύγχρονη ιατρική διαθέτει ένα πολύπλοκο φάσμα παρεμβάσεων (φαρμακολογικές, χειρουργικές, ψυχολογικές, μη φαρμακολογικές) που καθιστούν τη διάγνωση και τη θεραπεία εξαιρετικά πολύπλοκες.

«Οι περιορισμοί των παραδοσιακών προσεγγίσεων, όπως η εξειδίκευση, η συγκέντρωση (η οποία οδηγεί τους ασθενείς σε δυσκολία πρόσβασης σε ειδικούς και στην ανάγκη να απευθυνθούν σε μεγάλα νοσοκομεία), οι κατευθυντήριες γραμμές και τα πρωτόκολλα (τα οποία συχνά είναι πολύ μακροσκελή ή πολύ απλά) και η εκπαιδευτική κατάρτιση (η οποία αλλάζει συνεχώς τις γνώσεις και έχει υψηλά ποσοστά εναλλαγής προσωπικού) έχουν προκαλέσει δυσκολίες στην τρέχουσα υγειονομική περίθαλψη», τόνισε ο καθηγητής Μαρκς.

«Εν τω μεταξύ, τα παραδοσιακά νοσοκομεία, τα οποία συχνά είναι υψηλού κινδύνου, ακριβά και μακριά από τον τόπο κατοικίας των ασθενών, απαιτούν μια νέα, ανθρωποκεντρική προσέγγιση, και οι τεχνολογίες μπορούν πλέον να το κάνουν αυτό».

Σήμερα, η προηγμένη τεχνολογία εγκαινιάζει μια νέα εποχή στην υγειονομική περίθαλψη, με τις πλατφόρμες δοκιμών στο σημείο φροντίδας (PoC) και την απομακρυσμένη απεικόνιση να διαδραματίζουν βασικό ρόλο. Συγκεκριμένα, οι υπερφορητές ακτινογραφίες με ανάγνωση εικόνας με τεχνητή νοημοσύνη έχουν δείξει ότι ξεπερνούν τους ακτινολόγους στη διάγνωση της φυματίωσης.

«Η ανάπτυξη των μεταφορών και των επικοινωνιών, αξιοποιώντας το Διαδίκτυο υψηλής ταχύτητας, το Wi-Fi και τις συνδεδεμένες συσκευές, επιτρέπει την ανάπτυξη υπολογιστικής ισχύος και βάσεων δεδομένων στο cloud, καθιστώντας τις πληροφορίες και την τεχνολογία προσβάσιμες σε άτομα σε απομακρυσμένες περιοχές. Τα drones μπορούν ακόμη και να χρησιμοποιηθούν για τη μεταφορά δειγμάτων ασθενών και φαρμάκων με ευκολία. Τα δεδομένα κλινικών δοκιμών υψηλής ποιότητας, συχνά διαθέσιμα σε ανώνυμη μορφή, είναι απαραίτητα για την εξατομικευμένη θεραπεία και την προηγμένη ανάλυση», δήλωσε ο καθηγητής Marks.

Σύμφωνα με τον ίδιο, τα συστήματα υποστήριξης κλινικών αποφάσεων (CDSS) είναι ισχυρά εργαλεία που παρέχουν συστάσεις διαχείρισης με βάση τα δεδομένα των ασθενών και τις ιατρικές γνώσεις. Συγκεκριμένα, η τεχνητή νοημοσύνη και η μηχανική μάθηση θα διαδραματίσουν σημαντικό ρόλο στη συλλογή και οργάνωση δομημένων δεδομένων ασθενών, στην εξαγωγή και σύνθεση πληροφοριών από μεγάλα σύνολα δεδομένων κλινικών δοκιμών, καθώς και στην παροχή υποστήριξης αποφάσεων στους κλινικούς ιατρούς.

Ο καθηγητής Μαρκς οραματίζεται ένα νέο ανθρωποκεντρικό μοντέλο υγειονομικής περίθαλψης, βασισμένο σε έναν γενικό ιατρό κοντά στην κατοικία του ασθενούς, υποστηριζόμενο από ένα CDSS και συστάσεις που βασίζονται στην τεχνητή νοημοσύνη. Αυτή η προσέγγιση υπόσχεται να προσφέρει καλύτερες ιατρικές αποφάσεις, βέλτιστα αποτελέσματα για τους ασθενείς, μειωμένη σπατάλη πόρων και αντιβιοτικών, καθώς και αυξημένη χωρητικότητα για τους εργαζομένους στον τομέα της υγειονομικής περίθαλψης στην πρώτη γραμμή.

Δυναμικό Τεχνητής Νοημοσύνης στην Υγειονομική Περίθαλψη στο Βιετνάμ

Στη συζήτηση στρογγυλής τραπέζης, κορυφαίοι ειδικοί ανέλυσαν τον ρόλο της Τεχνητής Νοημοσύνης στο μέλλον της υγειονομικής περίθαλψης του Βιετνάμ.

Ο καθηγητής Dinh Xuan Anh Tuan, επικεφαλής του Τμήματος Αναπνευστικής Ιατρικής - Λειτουργικής Εξερεύνησης, Νοσοκομείο Cochin, Παρίσι (Γαλλία), εξέφρασε: «Η πολυπλοκότητα της ανθρώπινης υγείας, της φυσιολογίας, του εγκεφάλου, του πνεύματος και του περιβάλλοντος είναι παράγοντες που καθιστούν την υγειονομική περίθαλψη εξαιρετικά δύσκολη και απαιτούν εξατομίκευση στη θεραπεία. Ωστόσο, η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει στην επίλυση αυτής της πολυπλοκότητας επεξεργάζοντας μεγάλες ποσότητες πληροφοριών που οι άνθρωποι δεν μπορούν».

Συμμεριζόμενος την ίδια άποψη, ο Δρ. Vo Si Nam, Διευθυντής του Βιοϊατρικού Κέντρου (VinBigData), διευκρίνισε: «Τα μοντέλα μεγάλης γλώσσας μπορούν να λύσουν βασικά ζητήματα στην επεξεργασία μεγάλων δεδομένων και στην παρακολούθηση. Η μηχανική μάθηση και τα μοντέλα μεγάλης γλώσσας λειτουργούν με βάση την πιθανότητα, επιλέγοντας το αποτέλεσμα με την υψηλότερη πιθανότητα, αλλά η πλειοψηφία δεν είναι πάντα σωστή».

Επομένως, οι άνθρωποι πρέπει πάντα να βρίσκονται στο επίκεντρο, ελέγχοντας τα αποτελέσματα της Τεχνητής Νοημοσύνης και έχοντας πάντα κατά νου ότι η Τεχνητή Νοημοσύνη μπορεί επίσης να κάνει λάθος, όπως ακριβώς και οι άνθρωποι.

Οι ειδικοί συμφωνούν ότι η Τεχνητή Νοημοσύνη και άλλες τεχνολογίες στην υγειονομική περίθαλψη πρέπει να υπηρετούν τους ανθρώπους (Εικονογράφηση: Βάση).

Ο κ. David Nguyen, Διευθύνων Σύμβουλος της N2N AI (Αυστραλία), μοιράστηκε την εμπειρία του από την αποτυχία του IBM Watson, ενός έργου ιατρικής τεχνητής νοημοσύνης που ισχυριζόταν ότι μπορούσε να αντικαταστήσει τους γιατρούς, αλλά απέτυχε λόγω «ακατέργαστων» δεδομένων εισόδου. «Η τεχνητή νοημοσύνη είναι ένα σύστημα που υποστηρίζει τους γιατρούς στη λήψη αποφάσεων ταχύτερα και πιο αποτελεσματικά, όχι αντικαθιστώντας τους. Οι γιατροί πρέπει να έχουν αυστηρά βήματα επαλήθευσης για να διασφαλίζουν την ακρίβεια και να ακολουθούν την επιθυμητή κατεύθυνση», είπε.

Όσον αφορά τον ρόλο της Τεχνητής Νοημοσύνης στη μείωση της υπερφόρτωσης των νοσοκομείων και στην προληπτική ιατρική, ο καθηγητής Guy Marks διευκρίνισε ότι ο στόχος δεν είναι η κατάργηση των νοσοκομείων, αλλά η διατήρησή τους μόνο για πραγματικά πολύπλοκες και δύσκολες περιπτώσεις.

Στην Αυστραλία, είπε, πολλές υπηρεσίες που παλαιότερα παρέχονταν σε νοσοκομεία έχουν πλέον μεταφερθεί εκτός νοσοκομείου, με τους ασθενείς να χρειάζεται να πηγαίνουν στο νοσοκομείο μόνο όταν πραγματικά χρειάζονται τις υπηρεσίες που είναι διαθέσιμες μόνο εκεί. Η Τεχνητή Νοημοσύνη μπορεί πλέον να βοηθήσει στην εξατομίκευση της φροντίδας ακόμη και πριν οι άνθρωποι γίνουν πραγματικά ασθενείς. Ωστόσο, η πραγματοποίηση αυτής της σημαντικής αλλαγής δεν είναι εύκολη λόγω πολιτισμικών παραγόντων.

Ο Υποστράτηγος, Καθηγητής Le Huu Song, Διευθυντής του 108ου Κεντρικού Στρατιωτικού Νοσοκομείου, και ειδικοί συζήτησαν τις δυνατότητες της Τεχνητής Νοημοσύνης στον τομέα της υγειονομικής περίθαλψης του Βιετνάμ (Φωτογραφία: Οργανωτική Επιτροπή).

Ο Υποστράτηγος, Καθηγητής Le Huu Song, Διευθυντής του 108ου Κεντρικού Στρατιωτικού Νοσοκομείου, επεσήμανε: «Η βιετναμέζικη κουλτούρα της «προτίμησης νοσοκομείων υψηλότερου επιπέδου» έχει προκαλέσει υπερφόρτωση και πολλοί ασθενείς θέλουν ακόμη και να ζητήσουν από τους γιατρούς να τους εξετάσουν για πολλά άλλα πράγματα. Ελπίζω ότι η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει στην απλοποίηση και στην εξυπνότερη διαχείριση της υγειονομικής περίθαλψης, υποστηρίζοντας ιδίως την εξ αποστάσεως υγειονομική περίθαλψη για τους ανθρώπους, ώστε να αποφευχθεί η υπερφόρτωση των νοσοκομείων πρώτης γραμμής».

Ολοκληρώνοντας τη συζήτηση, ο καθηγητής Dinh Xuan Anh Tuan τόνισε ότι η Τεχνητή Νοημοσύνη αποτελεί μια εφικτή λύση για τη βελτίωση της ανθρώπινης υγείας και του τομέα υγειονομικής περίθαλψης του Βιετνάμ, ιδίως όσον αφορά την αντιμετώπιση της πολυπλοκότητας του ανθρώπινου σώματος και του περιβάλλοντος.

Εξέφρασε την ελπίδα του ότι στο μέλλον, οι γιατροί όχι μόνο θα θεραπεύουν ασθένειες αλλά και θα βοηθούν στη διατήρηση της υγείας, και η Τεχνητή Νοημοσύνη θα διαδραματίσει σημαντικό ρόλο στην εύρεση των πιο εφικτών τρόπων πρόληψης ασθενειών. Αυτό θα βοηθήσει τους ανθρώπους όχι μόνο να ζουν περισσότερο αλλά και να ζουν πιο υγιεινά.

Εκτός από τις μεγάλες δυνατότητές της, η εφαρμογή της Τεχνητής Νοημοσύνης στο σύστημα υγειονομικής περίθαλψης του Βιετνάμ εξακολουθεί να αντιμετωπίζει πολλά εμπόδια. Μία από τις κορυφαίες προκλήσεις είναι τα δεδομένα. Για να λειτουργήσει αποτελεσματικά η Τεχνητή Νοημοσύνη, απαιτεί μεγάλες, υψηλής ποιότητας και συγχρονισμένες πηγές δεδομένων. Ωστόσο, στο Βιετνάμ, τα δεδομένα υγειονομικής περίθαλψης είναι συχνά κατακερματισμένα, όχι τυποποιημένα, και η ασφάλεια των πληροφοριών των ασθενών είναι επίσης ένα αξιοσημείωτο ζήτημα.

Επιπλέον, παρόλο που το Διαδίκτυο είναι δημοφιλές, η λειτουργία σύνθετων συστημάτων Τεχνητής Νοημοσύνης απαιτεί ισχυρή υποδομή υπολογιστών, σταθερές και ασφαλείς συνδέσεις, ειδικά σε απομακρυσμένες περιοχές. Παράλληλα, το νομικό πλαίσιο πρέπει να διευκρινίσει την ιδιοκτησία των δεδομένων, τα πρότυπα ασφαλείας και την αποτελεσματικότητα των προϊόντων Τεχνητής Νοημοσύνης στην υγειονομική περίθαλψη.

Τέλος, όσον αφορά το ζήτημα της εκπαίδευσης και της ανάπτυξης ανθρώπινου δυναμικού, το Βιετνάμ χρειάζεται μια ομάδα εμπειρογνωμόνων που όχι μόνο είναι καλοί στην Τεχνητή Νοημοσύνη, αλλά έχουν και εκτεταμένες γνώσεις ιατρικής, για να αναπτύξουν και να εφαρμόσουν λύσεις Τεχνητής Νοημοσύνης αποτελεσματικά και με ασφάλεια.

Πηγή: https://dantri.com.vn/suc-khoe/dung-ai-giai-bai-toan-chuong-tuyen-tren-20250722142156390.htm