Tekoäly terveydenhuollossa vaatii sääntelyä Singaporessa

Singaporen terveydenhuolto, mukaan lukien Singapore General Hospital (SGH), tunnustaa tekoälyn (AI) ja generatiivisten suurten kielimallien (LLM) valtavan potentiaalin potilasturvallisuuden parantamisessa. Potilasturvallisuus voi tehostua joko järjestelmien laajuuden tai nopean tiedon analysointikyvyn kautta.

Tekoäly voi auttaa lääkkeitä määrääviä lääkäreitä vähentämään tarpeettomia antibioottimääräyksiä ja personoimaan annostelua. SGH on kehittänyt "Augmented Intelligence in Infectious Diseases" -mallin edistääkseen harkitumpaa antibioottien käyttöä. Lisäksi tekoäly voi tehostaa lääkkeiden käyttöturvallisuusseurantaa (farmakovigilanssia) analysoimalla suuria datamääriä, mukaan lukien sosiaalisen median tietoja, varhaisten haittavaikutusten havaitsemiseksi, kuten Covid-19 mRNA-rokotteiden yhteydessä mahdollisesti ilmenneiden sydänlihastulehdusriskien tunnistamisessa.

Teknologia voi myös auttaa harvinaisten ja diagnosoimattomien sairauksien havaitsemisessa analysoimalla sähköisiä potilaskertomuksia ja kliinisiä asiakirjoja. Generatiivista tekoälyä ei tarkoiteta korvaamaan lääkäreitä, vaan täydentämään heidän päätöksentekoaan ja parantamaan turvallisuutta säilyttäen inhimillisen valvonnan.

Singaporen terveysministeriö (MOH) on tunnistanut tekoälyn käytön terveydenhuollossa nousevana sääntelykysymyksenä. MOH, terveysalan sääntelyviranomainen HSA ja teknologia-agentti Synapxe ovat yhdessä kehittäneet "MOH Artificial Intelligence in Healthcare Guidelines" (AIHGle) -ohjeet. Nämä ohjeet asettavat parhaat käytännöt turvalliseen ja vastuulliseen tekoälyn kehittämiseen ja käyttöönottoon terveydenhuollon ympäristöissä.

AIHGle, joka on jatkuvasti päivittyvä asiakirja, julkaistiin alun perin lokakuussa 2021 ennen generatiivisten tekoälytyökalujen, kuten ChatGPT:n, yleistymistä. Näiden uusien teknologioiden syntyminen on luonut uusia näkökohtia ja riskejä, jotka on otettava huomioon ohjeistuksessa. Vaikka tekoälyn potentiaali on suuri, sen käyttöön liittyy edelleen merkittäviä haasteita, kuten rajallinen tutkimus ja tarve tiukemmalle validoinnille kliinisissä ympäristöissä.