אלא שהרגולציה נותרה מאחור. רק ארבע מדינות, 8% בלבד, דיווחו על אסטרטגיה לאומית ייעודית לשילוב בינה מלאכותית במערכת הבריאות. שבע מדינות נוספות מסרו שהן עדיין מפתחות אסטרטגיה כזאת.…
אלא שהרגולציה נותרה מאחור. רק ארבע מדינות, 8% בלבד, דיווחו על אסטרטגיה לאומית ייעודית לשילוב בינה מלאכותית במערכת הבריאות. שבע מדינות נוספות מסרו שהן עדיין מפתחות אסטרטגיה כזאת. באותו שיעור של 8% בלבד נמצאו גם תקנים ברורים לאחריות משפטית, המגדירים מי נושא באחריות במקרה שמערכת בינה מלאכותית גורמת לטעות, לפגיעה או לנזק למטופל.
השאלה הזאת כבר לא תיאורטית. מערכת יכולה לסמן צילום כתקין למרות שמופיע בו גידול, להעריך שמטופל נמצא בסיכון נמוך למרות שמצבו מחמיר, או לתת עדיפות נמוכה לפנייה שמצריכה טיפול מהיר. ברוב המקרים הרופא הוא שמקבל את ההחלטה הסופית, אבל ככל שהמערכות נעשות מורכבות ומשפיעות יותר על תהליך העבודה, מתחדדת השאלה אם האחריות מוטלת על הרופא, על בית החולים, על יצרנית התוכנה, על הגוף שאישר את המערכת או על כמה מהם יחד.
לפי ארגון הבריאות העולמי, 86% מהמדינות ציינו שחוסר הוודאות המשפטית הוא החסם המרכזי בפני אימוץ בטוח של הטכנולוגיה. 78% דיווחו שגם המחיר הגבוה של המערכות, התשתיות וההטמעה מהווה מכשול. המשמעות היא שמערכות בריאות נדרשות להחליט אם להכניס כלים חדשים שעשויים לייעל את העבודה ולשפר את האבחון, בזמן שהמסגרת המשפטית, האתית והתקציבית עדיין חלקית.
גם הכשרת הצוותים הרפואיים מפגרת אחרי קצב השינוי. רק אחת מכל חמש מדינות מספקת הכשרה בבינה מלאכותית לאנשי מקצוע בתחום הבריאות עוד לפני כניסתם לעבודה, ורק אחת מכל ארבע מדינות מציעה הכשרה מסודרת לעובדים שכבר נמצאים במערכת. פחות ממחצית מהמדינות בחנו אם החקיקה הקיימת מתאימה לשימוש במערכות החדשות, וכמעט 40% עדיין לא גיבשו הנחיות אתיות לשימוש בבינה מלאכותית בבריאות.
הסיכון לא נובע רק מטעות טכנית. מערכות בינה מלאכותית לומדות ממאגרי מידע גדולים, ואם המידע שעליו אומנו לא מייצג נשים, קבוצות מיעוט, אנשים מבוגרים או חולים עם מחלות נדירות, ביצועיהן עלולים להיות פחות מדויקים באוכלוסיות האלה. אלגוריתם שנראה מוצלח במעבדה או בבית חולים מסוים עלול לפעול אחרת כשמשתמשים בו במדינה אחרת, באוכלוסייה שונה או בתנאי עומס.
לצד הסיכונים, הארגון מדגיש שהטכנולוגיה כבר מעניקה יתרונות ממשיים. 98% מהמדינות ציינו ששיפור הטיפול במטופלים הוא המניע המרכזי לאימוץ בינה מלאכותית. 92% ביקשו להפחית את העומס המוטל על כוח האדם הרפואי ו-90% ציינו את הרצון לשפר יעילות ותפוקה. בפורטוגל, למשל, מערכות לניתוח תמונות רפואיות מסייעות לזהות מהר יותר מחלות בבית החזה ושברים בעצמות, ובכך לקצר זמני המתנה ברפואה הראשונית ובחדרי המיון.
האתגר הוא לוודא שהמערכות לא הופכות ל"קופסה שחורה" שאיש לא מבין כיצד הגיעה להמלצה. רופא שמקבל התראה או אבחנה ממערכת ממוחשבת צריך לדעת מה מידת הדיוק שלה, באילו אוכלוסיות נבדקה, מתי היא עלולה להיכשל ומה עליו לעשות כשהתוצאה לא תואמת את מצבו של המטופל. גם המטופלים צריכים לדעת אם כלי ממוחשב היה מעורב בהחלטה רפואית הנוגעת להם, ואילו דרכים עומדות בפניהם במקרה שנגרם נזק.
שאלת הפרטיות מוסיפה שכבת סיכון נוספת. מערכות אלה זקוקות לכמויות עצומות של מידע רפואי, לעיתים הכולל אבחנות, תרופות, בדיקות גנטיות, מידע נפשי ותיעוד של מחלות קודמות. שימוש לא מבוקר במידע עלול לחשוף מטופלים לדליפה, לשימוש מסחרי שלא אושר או להחלטות המבוססות על נתונים חלקיים. ארגון הבריאות העולמי דורש שהמדינות יקבעו כללים ברורים לאיסוף המידע, לאבטחתו, לשימוש משני בו ולזכות המטופל לדעת כיצד נעשה בו שימוש.
גם בישראל הדיון רלוונטי במיוחד. מערכת הבריאות נשענת על תיקים רפואיים דיגיטליים רחבי היקף, ומשרד הבריאות מפעיל מועצה לאומית לבריאות דיגיטלית ולחדשנות, שתפקידה לייעץ בגיבוש מדיניות, בהסדרת מידע רפואי ובשילוב טכנולוגיות חדשות. ככל שהשימוש במערכות מתרחב, כך גובר הצורך להבהיר מראש מי מאשר אותן, מי מפקח על פעילותן ומי אחראי כשהן נכשלות.
בכנס בליסבון השתתפו שרים ונציגים בכירים מ-37 מדינות מכל ששת אזורי ארגון הבריאות העולמי. הארגון קרא למדינות לבנות אסטרטגיה לאומית, לקבוע תקני אחריות, להשקיע בהכשרת הצוותים ולוודא שהמערכות נבדקות לא רק בתנאי מעבדה אלא גם בשימוש אמיתי. מנהל אזור אירופה בארגון, ד"ר הנס קלוגה, הזהיר שהפער בין ההטמעה לבין הפיקוח עלול להפוך לבלתי הפיך, במיוחד כשמטופלים כבר פונים לצ'אטבוטים בנוגע לתסמינים עוד לפני שדיברו עם רופא.
קרא את הכתבה המלאה במקור
