Η διεθνής βιβλιογραφία έχει επισημάνει πολλές φορές στο παρελθόν, ότι τα ιατρικά λάθη είναι δύσκολο να εντοπιστούν και να καταγραφούν με ασφάλεια. Το μέγεθος του προβλήματος δεν είναι εύκολο να εκτιμηθεί και κατά καιρούς χρησιμοποιούνται πολλές διαφορετικές μέθοδοι για τον εντοπισμό τους. Έτσι, τα αποτελέσματα που γνωρίζουμε μέχρι σήμερα, αποτελούν μία συντηρητική εκτίμηση των πραγματικών επιπτώσεων των ιατρικών λαθών (1).
Οι έρευνες στην τεχνητή νοημοσύνη (AI) για τις ιατρικές εφαρμογές έχουν επικεντρωθεί σε μεγάλο βαθμό στην αναγνώριση προτύπων εικόνας ή στα ηλεκτρονικά δεδομένα για την υγεία. Σε προηγούμενο άρθρο συζητήσαμε για την εφαρμογή για κινητά Elemeno, η οποία συμβάλλει στη μείωση ιατρικών λαθών, ιδιαίτερα την περίοδο του Covid-19. Στο παρόν άρθρο, θα αναφερθούμε στο ρόλο της τεχνητής νοημοσύνης και τους τρόπους που οι ιατρικές εφαρμογές μπορούν να συνδράμουν στην καταπολέμηση των ιατρικών λαθών.
Ορισμένες μελέτες έχουν δείξει ότι οι αλγόριθμοι της τεχνητής νοημοσύνης και της μηχανικής μάθησης, μπορούν να βοηθήσουν τους γιατρούς να λάβουν καλύτερες αποφάσεις. Σε ορισμένες μάλιστα περιπτώσεις, η τεχνητή νοημοσύνη μπορεί να συμβάλλει περισσότερο από την ανθρώπινη σκέψη, σχετικά με τη διάγνωση ορισμένων ασθενειών ή την πρόβλεψη ορισμένων ιατρικών αποτελεσμάτων όπως η θνησιμότητα (2).
Ο ρόλος της τεχνητής νοημοσύνης, εστιάζει κυρίως στην αντιμετώπιση διαφόρων εμποδίων και την τελειοποίηση των ενεργειών που πραγματοποιεί το προσωπικό υγείας. Στην υγειονομική περίθαλψη, έχει σχεδιαστεί ώστε να λαμβάνει ακριβείς αποφάσεις για τη μείωση των ιατρικών σφαλμάτων και ιδιαίτερα στη διαγνωστική ιατρική. Για παράδειγμα, οι τεχνολογίες τεχνητής νοημοσύνης έχουν ήδη ξεπεράσει την ικανότητα του ανθρώπου να εντοπίσει τον κίνδυνο καρδιακής προσβολής και ορισμένους τύπους καρκίνου, μόνο από την ανάλυση εικόνων (6).
Μπορεί να έχει αρνητικά αποτελέσματα στην υγεία;
Παρά τα παραπάνω, η πολλά υποσχόμενη διαφημιστική εκστρατεία γύρω από την τεχνητή νοημοσύνη στην ιατρική, δεν έχει φέρει τα επιθυμητά αποτελέσματα. Αντίθετα, έχει δεχθεί πολλές κριτικές, με χαρακτηριστικό παράδειγμα, το λογισμικό AI της IBM που διατέθηκε στην αγορά ως ο απόλυτος σύντροφος των γιατρών, αλλά δεν έχει ακόμη αποφέρει αποτελέσματα (3).
Ακόμη, δε θα πρέπει να ξεχνάμε ότι η σχέση γιατρού και ασθενή θα πρέπει να είναι μία σχέση ενσυναίσθησης. Μία εφαρμογή τεχνητής νοημοσύνης, όσο ολοκληρωμένη και αν είναι, δε μπορεί σε καμία περίπτωση ν’ αντικαταστήσει την αλληλεπίδραση μεταξύ των ανθρώπων.
Οι άνθρωποι επιθυμούν και επωφελούνται από την επίλυση προβλημάτων που προκύπτει από τη συζήτηση και την ανταλλαγή απόψεων. Δεν είναι τυχαίο, ότι σε κλινικές με ηλεκτρονικά αρχεία υγείας, διαπιστώθηκε ότι οι γιατροί ξόδευαν περίπου το 27% του χρόνου τους για τη φροντίδα των ασθενών και το 52% στην αίθουσα εξετάσεων αλληλεπιδρώντας με τον ασθενή.
Όσες βελτιώσεις και να φέρει στο φως η τεχνολογία στον κλάδο της ιατρικής επιστήμης, η ευθύνη του γιατρού και των νοσοκομείων για την αποφυγή των ιατρικών σφαλμάτων, είναι αποκλειστική. Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας, περίπου το 50% των ιατρικών λαθών που έχουν προκαλέσει ζημιά στην υγεία των ασθενών, θα μπορούσε να έχει προβλεφθεί (4).
Ποιός έχει την ευθύνη του ιατρικού λάθους;
Αν αναλογιστούμε ότι όταν ο γιατρός κάνει ένα ιατρικό λάθος, τότε ο ασθενής μπορεί να κινηθεί νομικά διεκδικώντας την αποζημίωσή του, τότε ένα εύλογο ερώτημα είναι τι συμβαίνει όταν ο γιατρός είναι ρομπότ;
Όπως και κάθε τεχνολογία, έτσι και η τεχνητή νοημοσύνη μπορεί να αποτύχει. Οι γιατροί καλούνται ν’ αντιμετωπίσουν τις ηθικές και νομικές ευθύνης από τη χρήση της τεχνητής νοημοσύνης, καθώς επηρεάζεται αφενός η εμπιστοσύνη των ασθενών και αφετέρου ο καθορισμός της αποζημίωσης των θυμάτων ιατρικών σφαλμάτων.
Θα πρέπει να είναι ξεκάθαρο, ότι η τεχνητή νοημοσύνη είναι ένα εργαλείο που σχεδιάστηκε για να συμπληρώνει την κρίση του γιατρού και όχι να την αντικαθιστά. Επομένως, σε οποιαδήποτε περίπτωση ιατρικού σφάλματος, οι πάροχοι υγειονομικής περίθαλψης παραμένουν 100% υπεύθυνοι για την πρόκληση του.
Πηγές:
(1) Thomas, Ε. & Petersen, L. (2003). Measuring errors and adverse events in health care. Journal of general internal medicine Wiley Online Library. 18, 61–67.
(2) Saly, D. et al. (2017). Approaches to predicting outcomes in patients with acute kidney injury. Public Library of Science. 12, e0169305.
(3) Ross,C & Swetlit, I. (2017). IBM pitched its Watson supercomputer as a revolution in cancer care. It’s nowhere close.
(4) WHO (2019). 10 facts on patient safety. https://www.who.int.
(5) Harvard Medical School. https://dbmi.hms.harvard.edu
(6) Ziady, H. (2020). Google’s AI system can beat doctors at detecting breast cancer. CNN Business.
Ο Συνήγορος του Ασθενή είναι δίπλα σας!
Κάθε πολίτης έχει το δικαίωμα να κινηθεί νομικά και να αποζημιωθεί για τη βλάβη που υπέστη! Κάθε πολίτης έχει δικαίωμα να διεκδικήσει όσα δικαιούται, ειδικά όταν πρόκειται για την υγεία τόσο τη δική του, όσο και των συγγενικών του προσώπων…
Ο Συνήγορος του Ασθενή μπορεί να σας βοηθήσει να καθορίσετε τι ακριβώς συνέβη στην υπόθεση σας και να σας καθοδηγήσει για τα επόμενα βήματα που πρέπει να ακολουθήσετε. Επικοινωνήστε σήμερα μαζί μας στο 211-0121395 ή με email στο info@sta.bcla.com για να ενημερωθείτε για τα επόμενα σας βήματα.