AI医生现在会见大家
早在2022年仅几周的几周内就将Chatgpt成为世界上最受欢迎的应用程序之一之前，我们正在谈论AI使我们变得更健康，我们的生活更长的可能性。＆nbsp;
在1970年代，斯坦福大学的一个团队开发了Mycin，这是旨在帮助医学诊断的最早的AI系统之一。 Mycin使用大约600条规则的知识库来识别引起感染的细菌并推荐抗生素。＆nbsp;
尽管它在试验方面的表现优于人类专家，但在临床实践中从未使用过Mycin，部分原因是围绕机器主导诊断的道德和法律问题。
快进五十年了，现在AI准备以看起来像是迈克尼时代的科幻小说的方式来改变医疗保健。今天，现代AI可以教自己发现疾病在医学成像和人类临床医生中，没有大量的培训数据。一个哈佛研究在AI辅助癌症上的诊断表现出96％的准确性。
改善诊断
在英国，检测到的AI系统11个乳腺癌迹象人类临床医生错过了。两项单独的研究，一项来自微软另一个来自帝国大学，发现乳腺癌病例比放射科医生多。在AI检测中也看到了类似的结果前列腺癌, 皮肤癌和其他条件。
我们对数据的访问从未如此大。例如，英国国家卫生局（欧洲最大的雇主）都可以使用超过6500万患者的数字化数据的机构 -每年超过96亿英镑（123亿美元）。＆nbsp;
这代表了AI识别模式并产生可以从根本上改善诊断，治疗和药物发现的洞察力的前所未有的机会。
AI在广泛数据集中检测微妙模式的能力是其在医疗保健中最大的优势之一。这些系统不仅可以分析医学成像，还可以分析基因组数据，电子健康记录，临床注释等 - 发现可能避免经验丰富的人类临床医生的相关性和风险因素。
有些人可能会对处理其医疗保健数据的AI代理更舒服，而不是直接参与其护理的人。但是，问题不仅仅在于谁看到数据，还包括有关如何看待数据的便携的它变成了＆nbsp;
在受信任的医疗机构之外建立的AI模型构成了新的风险。尽管医院可能已经保护患者数据，但信任外部AI系统需要更强大的隐私保护，以防止滥用并确保数据保持安全。
AI医疗保健中的隐私挑战
值得注意的是，潜力带来了巨大的隐私和道德问题。
医疗保健数据可能是存在的最敏感的个人信息。它不仅可以揭示我们的医疗状况，还可以揭示我们的行为，习惯和遗传倾向。
有效的担心会广泛采用医疗保健中的AI，可能导致侵犯隐私，数据泄露或滥用亲密个人信息。
即使是匿名数据也不是自动安全的。高级AI模型通过与其他信息进行交叉引用，表现出令人震惊的能力，可以使受保护的数据集取消匿名。还有“模型反转”攻击，恶意演员可以通过反复查询AI模型来潜在地重建私人培训数据。
这些问题不是假设的。它们代表了在医疗保健领域采用AI的真正障碍，并有可能阻止挽救生命的创新。如果患者不信任隐私保障，则可能不愿共享数据。
尽管标准和法规需要用于培训AI模型的数据中的地理和人口统计学多样性，但在医疗机构之间共享数据需要机密性，因为除了高度敏感的数据外，还具有围绕诊断和治疗的医疗机构的见解。
这导致机构在共享监管，知识产权和挪用问题的数据时谨慎行事。
保护AI的未来
幸运的是，新的保护AI开发的新浪潮正在解决这些挑战。分散的AI方法，例如联合学习，允许在分布式数据集中对AI模型进行培训，而无需集中敏感信息。
这意味着医院和研究机构可以无需直接共享患者数据就可以在AI开发方面进行合作。
其他有希望的技术包括差异隐私，将统计噪声添加到数据以保护单个身份和同态加密中，允许在不解密的情况下对加密数据执行计算。
另一个有趣的开发是我们的运行时链逻辑（ROFL）框架，该框架使AI模型能够在保持链子外执行计算，同时保持可验证性。这可以使更复杂的AI医疗保健应用程序可以利用外部数据源或处理能力，而不会损害隐私或安全性。
保护隐私的技术仍处于早期阶段，但它们都指向未来，我们可以在不牺牲患者隐私的情况下利用AI的全部力量。
我们应该瞄准一个世界，即AI可以分析您的完整的病史，遗传概况，甚至可以从可穿戴设备中进行实时健康数据，同时保持此敏感信息的加密和安全。＆nbsp;
这将允许高度个性化的健康见解，而没有任何单个实体可以访问原始患者数据。
这种保护隐私AI在医疗保健中的愿景不仅仅是保护个人权利，尽管这当然很重要。它还旨在释放AI的全部潜力改善人类健康的潜力，并以一种尊重其治疗患者的尊重的方式。
通过构建患者和医疗保健提供者可以信任的系统，我们可以鼓励更多的数据共享和协作，从而实现更强大和准确的AI模型。
挑战是巨大的，但潜在的回报是巨大的。保护隐私的人工智能可以帮助我们更早发现疾病，开发更有效的治疗方法，并最终挽救无数的生命并解锁信任的天赋。＆nbsp;
它还可以通过允许开发在不损害个人隐私的情况下接受多样化的代表性数据集培训的AI模型来帮助解决医疗保健差异。
随着AI模型变得更加先进，AI驱动的诊断变得更快，更准确，使用它们的本能将变得无法忽略。重要的是，我们教他们保留他们的秘密。
编辑塞巴斯蒂安·辛克莱（Sebastian Sinclair）
声明：本站所有文章资源内容，如无特殊说明或标注，均为采集网络资源。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
