Массированные утечки персональных данных россиян коснулись и сферы медицинского обслуживания. Причем с проблемой столкнулись крупные федеральные сети диагностики заболеваний.
Эксперты при этом указывают, что именно массивы медицинских данных в настоящий момент растут быстрее всего. Но при должной заботе о приватности пользователей и единых стандартах передачи медицинской информации собранная информация поможет не только самим пациентам, но и в развитии искусственного интеллекта в сфере диагностики.
Проблему сохранности приватности данных клиентов медицинских центров и применение собранной клиниками информации в развитии высоких технологий эксперты обсудили на форуме «Баркемп -- 2023. Национальная технологическая революция 20.35».
В частности, директор по инновациям компании «Коста» Евгений Коган отмечает, что в зарубежных странах, где сфера здравоохранения полностью выведена в коммерческую плоскость, активный обмен данными о состоянии здоровья пациента формирует дополнительный рынок IT-решений, ориентированный на рядовых пользователей, а не только на крупные медицинские организации. Кроме того, такой подход может облегчить работу и страховым компаниям, которые могут персонифицировать полиса ДМС под каждого конкретного клиента. Однако залогом этого является единая стандартизация передаваемых тем же приложениям данных, что в России пока находится на стадии обсуждения.
Возникают приложения на стороне пациента. Любой человек может скачать программу, к примеру, для лечения диабета, собирать данные со всех медицинских организаций. На это работает единый формат передачи медицинских данных, у нас же пока каждый разработчик создает собственную модель передачи и обработки данных, что усложняет их универсальное использование информации пациентами, — считает Евгений Коган.
Кроме того, масштабная цифровизация данных о здоровье может ускорить диагностику заболеваний. В частности, искусственный интеллект уже может ранжировать результаты анализов и осмотров пациентов из электронных карт по востребованности каждым конкретным специалистом. Таким образом, выборка медицинских данных происходит не вручную, а за счет прогнозирования запросов специалистов и машинного обучения.
Более того, эксперты указывают, что нейросети также способны работать в тандеме с медицинскими специалистами. В частности, ИИ уже натренирован обрабатывать речь, то есть фактически тот же Chat GPT может выступать секретарем врачей, подсказывая им не только варианты возможных диагнозов, но и вопросы для их конкретизации, а в конце приема формировать готовый опросный лист, который подгружается в карту. Впрочем, пока речь идет скорее о единичных экспериментах, которые демонстрируют возможности нейросетей, а не их массовом внедрении.
Однако в российских реалиях, особенно на фоне массовых утечек персональных данных клиентов и ужесточения штрафов за них для компаний, развитие цифровизации медицинской сферы в вопросах машинного обучения может столкнуться с препятствиями. В частности, клиники могут банально бояться передать большие массивы данных для обработки сторонним компаниям. Поэтому на рынке крайне востребованы механизмы обезличивания приватных данных о здоровье с сохранением необходимой для проведения дальнейших исследований информации.
Должны быть механизмы обезличивания данных, но при этом сохраняющие свою информационную ценность, чтобы исследователи могли продолжать с ними работать. Обезличивание данных, не значит заменить Ф. И. О. на ID, в этом случае мы все еще может инфицировать субъекта. С учетом развития технологий OSINT, вопрос обогащения обезличенного набора данных стоит остро. Нужны технологии, которые закроют часть данных, усложнят персонализацию медицинской информации. К примеру, мы можем в обезличенных данных давать не конкретный возраст пациента, а временной отрезок, это позволит безопасно использовать данные в дальнейших исследованиях, — указывает директор НОЦ «Представительство ЦК НТИ Технологии доверенного взаимодействия Андрей Иванов.
Напомним, что вице-губернатор Кирилл Поляков на открытии форума «Баркемп -- 2023» отдельно отметил, что одной из приоритетных задач развития петербургской экономики становится увеличение производительности труда. В частности, масштабная цифровизация медицинской сферы, внедрение в нее технологий искусственного интеллекта на этапе диагностики поможет сократить время на диагностику. К примеру, исследование ГБУЗ «НПКЦ ДиТ ДЗМ» о «целесообразности применения технологий искусственного интеллекта в лучевой диагностике» демонстрирует, что при использовании ИИ, длительность подготовки расшифровок снимков снижается на 15%, а в некоторых случаях и на 50%. При этом нейросети также способны помочь специалистам быстрее подтвердить наличие злокачественных опухолей.