Integracija mašinskog učenja (ML) u medicinske uređaje transformiše zdravstveni pejzaž, posebno u oblasti precizne medicine i personalizovane njege. Tehnologije koje su decenijama bile koncepti sada dolaze na tržište sa mogućnostima koje prevazilaze maštu pisaca naučne fantastike. Od povećane inteligencije za podršku informisanih kliničkih odluka do obrade proširenih skupova podataka koji se sastoje od tradicionalnih ulaza i trenutno neiskorištenih i individualnih informacija, uticaj ovog napretka obećava poboljšanje ishoda pacijenata, pojednostavljenje tokova rada za pružaoce zdravstvenih usluga i inovativna rješenja za složene medicinske izazove.
Loading...
Revolucioniranje zdravstvene zaštite: Utjecaj medicinskih uređaja sa omogućenim mašinskim učenjem sada i u budućnosti
Loading...
Regulatori su brzo prepoznali potencijal – ali i nove rizike – pranja novca u medicini, dovodeći u pitanje da li se trenutni propisi adekvatno bave performansama i sigurnosti ove tehnologije. Iako su u osnovi tehnologije softvera i regulacija softvera kao medicinskog uređaja uspostavljene, prilagodljivost i autonomija ML donosi rizike kao što su nenamjerna pristranost i odstupanje ishoda, dovodeći u pitanje dugoročne performanse i konzistentnost kliničke koristi kako se algoritam razvija; potencijalno poboljšanje ishoda, ali i sa rizikom od degradacije.
2021. godine, regulatori iz tri glavne jurisdikcije – Kanada, UK i SAD – udružili su snage kako bi objavili 10 vodećih principa za ML praksu za razvoj medicinskih uređaja. Prošlog mjeseca, isti tim je proizveo ažuriranje koje se odnosi na vodiće principe za transparentnost za medicinske uređaje koji podržavaju mašinsko učenje. Ove nove smjernice imaju za cilj standardizirati način na koji se kritične informacije o medicinskim uređajima (MLMD) s omogućenim mašinskim učenjem prenose kako bi se osigurala sigurnost pacijenata i učinkoviti klinički ishodi kroz jasno širenje osnovnih informacija koje bi mogle utjecati na rizike i ishode pacijenata. Ova inicijativa označava značajan korak ka jedinstvenom pristupu transparentnosti u MLMD, pružajući smjernice programerima o najboljim praksama transparentnosti.
Transparentnost
Novoobjavljeni dokument navodi da su ključni aspekti transparentnosti logika i objašnjivost, koji definišu stepen do kojeg se odgovarajuće informacije o medicinskom uređaju s omogućenim mašinskim učenjem jasno saopštavaju relevantnoj publici. Za FDA i njene saradnike, ključni aspekti efektivne transparentnosti su:
- Komuniciranje o rizicima i ishodima pacijenata.
- Uzmanje u obzir specifične potrebe ciljanih korisnika i kontekst korištenja informacija.
- Korištenje najboljih medija, vremena i strategija.
- Razumijevanje korisnika, njihovog okruženja i njihovih tokova rada.
- Naglašava "Dizajn usmjeren na čovjeka".
Vodeći principi
Publikacija smatra sljedeće tačke ključne za osiguranje visokog stepena transparentnosti u funkcionisanju medicinskih uređaja koji koriste AI:
Ko - publika uključena u uređaj.
Transparentnost treba da se bavi:
- Korisnicima uređaja (npr. zdravstveni radnici, pacijenti ili njegovatelji)
- Onima koji primaju njegu od uređaja, npr. pacijenata.
- Donosiocima odluka koji podržavaju ishode pacijenata (pomoćno osoblje, administratori, itd.)
Zašto – motivacija za transparentnost.
Transparentnost je veoma važna za:
- Brigu usmjerenu na pacijenta, sigurnost i efikasnost uređaja koji rade sa AI.
- Razumijevanje složenih informacija, identificiranje rizika i prednosti uređaja i osiguravanje sigurne i efikasne upotrebe.
- Pomoć u otkrivanju grešaka, promovisanju zdravstvene pravednosti, održavanju sigurnosti uređaja i podsticanju povjerenja i samopouzdanja.
Šta – relevantne informacije za dijeljenje.
Informacije koje treba uzeti u obzir treba da budu:
- Medicinske svrhe, funkcije i ciljno stanje.
- Predviđeni korisnici, okruženje i populacija.
- Tok rada uređaja, ulazi, izlazi i utjecaj na odluke u zdravstvu.
- Učinak, koristi, rizici i strategije upravljanja rizikom.
- Logika izlaza uređaja, detalji razvoja i stalna ažuriranja.
- Ograničenja, predrasude i poznate praznine.
- Sigurnost i efikasnost tokom životnog ciklusa proizvoda.
Gdje – postavljanje informacija.
Informacije bi trebale biti:
- Dostupne preko korisničkog interfejsa, uključujući obuku, fizičke kontrole, elemente prikaza, pakovanje, etiketiranje i alarme.
- Optimizirane za korisnika s obzirom na prilagodljivu isporuku informacija kroz različite modalitete kao što su audio, video, tekst na ekranu, upozorenja, dijagrami i biblioteke dokumenata.
Kada – tajming.
Tajming bi trebao biti strateški tokom cijelog životnog ciklusa proizvoda:
- Prilikom nabavke ili implementacije uređaja.
- Kada koristite uređaj.
- Kada se uređaj ažurira ili se otkriju nove informacije.
- Kada postoje koraci visokog rizika / specifični okidači.
Kako – najprikladnija metoda koja se koristi.
Da bi informacije bile pristupačnije, programeri bi trebali:
- Prilagoditi informacije potrebama publike.
- Organizovati sadržaj prema važnosti za pomoć pri donošenju odluka.
- Koristiti jednostavan jezik kada je jasnoća najvažnija, ili tehnički jezik za kliničke specijaliste.
Uticaj na industriju
Ovi novi principi postavljaju standard za transparentnost u medicinskim uređajima koji podržavaju mašinsko učenje. Slijedeći ove smjernice, programeri mogu biti usklađeni s regulatornim standardima i izgraditi povjerenje sa zdravstvenim radnicima i pacijentima.
Javite se
Kretanje kroz složenost certifikacije medicinskih uređaja, posebno kod MLMD-a, može biti izazovno. Ako imate pitanja o certifikatima za vaš medicinski uređaj koji podržava mašinsko učenje, kontaktirajte nas. Koristimo kvalitetu i osnažujemo proizvođače medicinskih uređaja da postignu usklađenost i podignu standarde kvalitete. Za više uvida i informacija o certifikatima medicinskih uređaja, obratite se već danas kako biste osigurali da vaši medicinski uređaji vođeni umjetnom inteligencijom ispunjavaju najviše standarde transparentnosti i sigurnosti.
Autor
Claire Dyson
ima doktorat iz racionalnog dizajna lijekova i preko 10 godina iskustva u medicinskim uređajima koji stupaju u interakciju s lijekovima ili isporučuju lijekove ili biološke odgovore. Veći dio svoje karijere provela je u industriji, uglavnom u Švicarskoj. Prešla je u certifikacijska tijela 2018. godine i bila je uključena u nekoliko projekata transformativnih promjena, uključujući nove akreditacije i imenovanja.
Loading...
