Offentlig sjukvård och AI (artificiell intelligens)

av | Nov 8, 2019 | Blogg

Offentlig sjukvård AI (artificiell intelligens)

Artificiell intelligens (AI) i offentlig sjukvård i Storbritannien (NHS) är en investering för framtiden.

Vår dermatologi AI AUTODERM® presenterades som ett av exemplen i NHSX-rapporten “Artificial Intelligence: How to get it correct. Att genomföra politik för säker datadriven innovation inom hälsa och vård ”(sidan 46). Rapporten är avsedd att ge en sammanhängande överblick över det aktuella läget för datadriven teknik inom hälso- och vårdsystemet. Målet är att klargöra var i systemet AI-teknik kan användas och det politiska arbete som är och måste göras för att se till att detta utnyttjas på ett säkert, effektivt och etiskt acceptabelt sätt i ett datadriven ekosystem över hela vården.

I augusti tillkännagav NHS en investering på £250 miljoner  i Artificiell intelligens (AI) applikationer för hälsa och vård genom skapandet av NHS AI Lab. Denna rapport belyser varför det finns ett behov av denna investering och hur denna investering med tiden kommer att göra det möjligt för vård- och vårdgivare att dra nytta av den allra bästa datadrivna tekniken och bidra till att uppnå mål för teknikanvändning i NHS och i vårdsystemet.

Ladda upp ditt foto anonymt och vår AI-algoritm gör resten

 

Om NHSx

NHSx ansvarar för att leverera Health Secretary’s Tech Vision och bygga vidare på NHS Long Term Plan genom att fokusera på fem steg:

  • Minska bördan för kliniker och personal så att de kan fokusera på patienter
  • Ge människor verktygen för att få tillgång till information och tjänster direkt
  • Att säkerställa att klinisk information kan nås på ett säkert sätt, var den än behövs
  • Förbättra patientsäkerheten över hela NHS
  • Förbättra NHS-produktiviteten med digital teknik

 

NHSx rapportöversikt

Artificiell intelligens (AI) har potential att göra en betydande skillnad för hälsa och vård. Ett brett spektrum av tekniker kan användas för att skapa artificiellt intelligenta system (AIS) för att utföra eller förstärka hälso- och vårduppgifter som hittills har avslutats av människor, eller som inte har varit möjliga tidigare; dessa tekniker inkluderar induktiv logisk programmering, robot processautomation, naturligt språkbearbetning, datorsyn, neurala nätverk och distribuerad artificiell intelligens. Denna teknik ger viktiga möjligheter att hålla människor friska, förbättra vården, rädda liv och spara pengar för pilotens digitala teknik. Det kan hjälpa till personlig screening av NHS och behandlingar för cancer, ögonsjukdomar och en rad andra tillstånd, till exempel.

Dessutom är det inte bara patienter som kan dra nytta av det. AI kan också stödja kliniker, så att de kan utnyttja sin expertis på bästa sätt, informera om sina beslut och spara tid. Denna rapport ger en betraktad och sammanhängande överblick över det aktuella läget för datadriven teknik inom hälso- och vårdsystemet och täcker allt från den lokala forskningsmiljön till internationella ramverk under utveckling. Den information som vi fått av forskning som utförts av NHSX och andra partners under det senaste året, redogör för var i systemet AI-teknologier kan användas och det politiska arbete som är och måste göras för att säkerställa att detta utnyttjas på ett säkert, effektivt och etiskt acceptabelt sätt.

Ladda upp ditt foto anonymt och vår AI-algoritm gör resten

 

Kapitel 1 och 2 sätter tonen

De ger en översikt över vad AI är (och inte är), varför vi anser att det är viktigt, och en detaljerad titt på vad som för närvarande utvecklas av AI-ekosystemet genom att utvärdera resultaten av en horisont skanning övning och vår andra ‘stat av Nationens undersökning. Denna analys avslöjar att diagnos och screening är de vanligaste användningarna av AI, varvid 132 olika AI-produkter identifierats är utformade för diagnos- eller screening ändamål som täcker 70 olika tillstånd.

 

Kapitel 3 är en djupgående titt på styrningen av AI

Med utgångspunkt i uppförandekoden för datadriven teknik undersöker den utvecklingen av ett nytt ramverk för styrning som betonar både de mjuka etiska övervägandena av ”borde versus borde intet” i utvecklingen av AI-lösningar såväl som de mer lagstiftande bestämmelserna om “Kunde vs inte kunde”. I synnerhet täcker det viktiga områden som förklarar enheten för en algoritm, evidens genereringen för effektiviteten hos fasta algoritmer, vikten av patientsäkerhet och vad man ska beakta i kommersiella strategier.

Ladda upp ditt foto anonymt och vår AI-algoritm gör resten

 

Kapitel 4 handlar om de data som startar igång AI

När man samarbetar med innovatörer, tillsynsmyndigheter, kommissionärer och medborgare om AI, är det ett ämne som garanteras att komma upp informationsstyrning (IG). Att skydda patientdata är av största vikt, varför IG är avgörande, men det bör inte ses som en blockerare för användningen av data för syften som kan ge verkliga fördelar för patienter, kliniker och systemet. Detta kapitel belyser hur vi samarbetar med viktiga partners över hela systemet (t.ex. Accelerated Access Collaborative, Office of Life Sciences, Health Data Research UK, Genomics England, Academic Health Science Network) för att förtydliga reglerna för IG och effektivisera tillgången till data till nytta genom specifika program som Digital Innovation Hubs.

 

Kapitel 5 behandlar antagande och spridning

Med tanke på den ibland negativa påverkan som komplexiteten hos NHS som ett sociotekniskt system har på spridningen som viktig innovation, täcker det de åtgärder som vidtas för att uppmuntra förändring. Med tanke på de utmaningar som är involverade i det praktiska genomförandet av AI vill vi emellertid inte uppmuntra adoption för adoptionens skull, så det täcker också “hur bra ser ut” och hur vi kan övervaka effekterna av införandet av AI över tid så att bra förblir bra längre nedströms.

 

Kapitel 6 kommer tillbaka till folket i NHS (offentlig sjukvård i Storbritannien)

Med utgångspunkt i arbetet med Health Education England och Topol Review belyser vi de utmaningar som arbetskraften står inför i utvecklingen, implementeringen och användningen av AI och vad som måste göras för att säkerställa att de har de färdigheter som de behöver för att känna sig trygga att använda AI i klinisk träning, säkert och effektivt. Av avgörande betydelse framhäver det hur vi återigen inte kan göra detta ensamma och måste arbeta nära med nationella center för datavetenskaplig utbildning som Alan Turing Institute.

Ladda upp ditt foto anonymt och vår AI-algoritm gör resten

 

Kapitel 7 blir internationellt

Hälsodata genereras inte bara i England och AI-teknologierna som utbildas och testas på det utvecklas inte bara i England. Istället är AI-ekosystemet verkställs internationellt och det finns därför ett behov av internationellt samarbete och överensstämmelse med standarder, ramar och vägledning. Av detta skäl belyser detta kapitel det pågående arbetet med Global Digital Health Partnership, World Health Organization och EQUATOR-nätverket för att utveckla dessa med oss ​​som en nyckelpartner.

 

Kapitel 8 avslutas med NHS AI labb

Den samlar all information som ingår i de föregående kapitlen för att belysa varför vi vet att laboratoriet behövs och varför vi tror att det kommer att vara avgörande för att hjälpa oss att uppnå våra mål:

  • Att främja Storbritannien som den bästa platsen i världen att investera i hälsoteknologi

  • Ge bevis på hur god träning ser ut för industrin och kommissionärer.

  • Att lugna allmänheten, patienter och kliniker att datadriven teknik är säker, effektiv och skyddar integriteten.

  • Tillåter regeringen att arbeta med leverantörer för att vägleda utvecklingen av ny teknik så att produkter är lämpliga för hälso- och vårdsystemet i framtiden.

  • Bygga förmåga inom systemet med intern expertis att prototypa och utveckla idéer.

  • Försäkra sig om att NHS får en god del av kommersialiseringen av sina data resurser och expertis.

 

Ladda upp ditt foto anonymt och vår AI-algoritm gör resten

 

Om rapporten

Även om denna rapport har namngivit redaktörer, är de resultatet av ett kollektivt arbete från ett stort antal individer som vänligen gav upp sin tid att bidra med sina tankar, idéer och forskning. En fullständig lista över bekräftelser finns i slutet av rapporten. Det finns emellertid flera viktiga organisationer och individer som inflikar och utan de skulle denna rapport inte ha varit möjlig att göra. Med detta i åtanke vill vi tacka: Tina Woods, Collider Health Melissa Ream, Marie-Anne Demestihas och Sile Hertz, AHSN Network Anna Steere, NHSX Dr. Sam Roberts, Accelerated Access Collaborative

 

Källor:

Artificial Intelligence: How to get it right. Putting policy into practice for safe data-driven innovation in health and care https://www.nhsx.nhs.uk/ 

Health Secretary announces £250 million investment in artificial intelligence. A new National Artificial Intelligence Lab will use the power of artificial intelligence (AI) to improve the health and lives of patients. https://www.gov.uk/government/news/health-secretary-announces-250-million-investment-in-artificial-intelligence

Fråga en hudläkare

Anonymt, snabbt och säkert!

Över 15,000+ läsare

Få nytt content fra First Derm

Fråga en hudläkare

Anonymt, snabbt och säkert!

logo
1 (415) 234-4124
Fråga nu