AI inom sjukvården kräver regelverk i Singapore

Singapore General Hospital (SGH) och Singapores hälso- och sjukvårdssektor erkänner den betydande potentialen hos artificiell intelligens (AI) och generativa stora språkmodeller (LLM) för att förbättra patientsäkerheten. Detta kan ske antingen genom systemens systemiska kapacitet eller deras förmåga att snabbt analysera stora mängder data.

AI kan bistå förskrivande läkare genom att minska onödiga antibiotikaförskrivningar och personalisera optimala doser för patienter. SGH har utvecklat "Augmented Intelligence in Infectious Diseases", en modell som uppmuntrar till mer selektiv antibiotikaanvändning. Dessutom kan AI förbättra farmakovigilans, övervakningen av läkemedels effekter efter godkännande, genom att automatisera analysen av data, inklusive sociala medier, för att tidigt identifiera skadliga signaler. Detta inkluderar identifiering av potentiella risker med Covid-19 mRNA-vacciner, såsom hjärtmuskelinflammation.

Tekniken kan också bidra till att upptäcka sällsynta och odiagnostiserade sjukdomar genom att analysera elektroniska patientjournaler och kliniska dokument för att identifiera mönster som annars kan missas. Generativ AI är inte avsedd att ersätta kliniker utan att komplettera deras beslutsfattande och förbättra säkerheten utan att ta bort mänsklig tillsyn.

Singapores hälsoministerium (MOH) har identifierat användningen av AI inom hälso- och sjukvården som en ny regulatorisk fråga. MOH, tillsammans med Health Sciences Authority (HSA) och teknikbyrån Synapxe, har utvecklat "MOH Artificial Intelligence in Healthcare Guidelines" (AIHGle). Dessa riktlinjer fastställer bästa praxis för säker och ansvarsfull utveckling och implementering av AI inom hälso- och sjukvården.

AIHGle, som är ett levande dokument, publicerades ursprungligen i oktober 2021, innan den breda introduktionen av generativa AI-verktyg som ChatGPT. Framväxten av dessa teknologier har skapat nya överväganden kring distinkta risker som måste fångas upp i riktlinjerna. Trots AI:s potential finns det fortfarande betydande utmaningar, inklusive begränsad forskning och behovet av rigorös validering i kliniska miljöer.