<\/span><\/h4>\nMarko Stokic yra AI vadovas \u201eOasis Protocol\u201c fonde, kur jis dirba su komanda, orientuota \u012f pa\u017eangiausi\u0173 AI program\u0173, integruot\u0173 \u012f \u201eblockchain\u201c technologij\u0105, k\u016brim\u0105. Tur\u0117damas verslo patirt\u012f, Marko susidom\u0117jim\u0105 kriptovaliuta 2017 m. Suk\u0117l\u0117 \u201eBitcoin\u201c ir pagilino per savo patirt\u012f per 2018 m. Rinkos katastrof\u0105. Jis \u012fgijo magistro laipsn\u012f ir \u012fgijo patirties rizikos kapitale, daugiausia d\u0117mesio skirdamas \u012fmoni\u0173 AI pradedantiesiems, prie\u0161 pereidama prie decentralizuotos tapatyb\u0117s startuolio, kur suk\u016br\u0117 privatum\u0105 i\u0161saugojan\u010dius sprendimus. \u201eOasis\u201c jis susilieja su strategine \u012f\u017evalga su technin\u0117mis \u017einiomis, kad pasisakyt\u0173 u\u017e decentralizuot\u0105 AI ir konfidencial\u0173 skai\u010diavim\u0105, mokyt\u0173 rink\u0105 apie unikalias Oaz\u0117s galimybes ir skatint\u0173 partneryst\u0119, \u012fgalinan\u010di\u0105 k\u016br\u0117jus. Kaip \u012ftraukiantis vie\u0161as prane\u0161\u0117jas, Marko dalijasi \u012f\u017evalgomis apie AI, privatumo ir saugumo ateit\u012f pramon\u0117s renginiuose, nustatant Oaz\u0119 kaip atsakingos AI inovacij\u0173 lyder\u0119.<\/p>\n<\/div>\n
Ilgai prie\u0161 \u0161imtus milijon\u0173 vartotoj\u0173 \u201eChatGPT\u201c pavert\u0117 viena populiariausi\u0173 pasaulyje program\u0173 per 2022 m. Savaites, mes kalb\u0117jome apie AI potencial\u0105 padaryti mus sveikesnius ir savo gyvenim\u0105 ilgiau. <\/span><\/p>\nA\u0161tuntajame de\u0161imtmetyje Stanfordo komanda suk\u016br\u0117 \u201eMycin\u201c – vien\u0105 i\u0161 pirm\u0173j\u0173 AI sistem\u0173, skirt\u0173 pad\u0117ti medicininei diagnozei nustatyti. Mycinas naudojo ma\u017edaug 600 taisykli\u0173 \u017eini\u0173 baz\u0119 bakterijoms, sukelian\u010dioms infekcijas, ir rekomendavo antibiotikus. <\/span><\/p>\nNors tai pralenk\u0117 \u017emoni\u0173 ekspertus tyrimuose, mycinas niekada nebuvo naudojamas klinikin\u0117je praktikoje – i\u0161 dalies d\u0117l etini\u0173 ir teisini\u0173 problem\u0173 d\u0117l ma\u0161in\u0173 vadovaujamos diagnoz\u0117s.<\/span><\/p>\nGreitai \u012f priek\u012f penkis de\u0161imtme\u010dius, o AI dabar yra pasirengusi pakeisti sveikatos prie\u017ei\u016br\u0105 tokiu b\u016bdu, kuris atrod\u0117 kaip mokslin\u0117 fantastika Mycino epochoje. \u0160iandien \u0161iuolaikin\u0117 AI gali <\/span>I\u0161mokykite save pasteb\u0117ti ligas<\/span> Medicininiuose vaizduose taip pat ir klinik\u0173 gydytojai ir be daugyb\u0117s mokymo duomen\u0173. A <\/span>Harvardo tyrimas<\/span> D\u0117l AI-pagalbin\u0117s v\u0117\u017eio diagnoz\u0117s parod\u0117 96%tikslum\u0105.<\/span><\/p>\n<\/span>Gerina diagnozes<\/b><\/span><\/h2>\nJK aptikta AI sistema <\/span>11 kr\u016bties v\u0117\u017eio po\u017eymi\u0173<\/span> kuri\u0173 praleido \u017emoni\u0173 gydytojai. Du atskiri tyrimai, vienas i\u0161 <\/span>\u201eMicrosoft\u201c<\/span> Ir kitas i\u0161<\/span> Imperijos kolegija<\/span>rado daugiau kr\u016bties v\u0117\u017eio atvej\u0173 nei radiologai. Pana\u0161\u016bs rezultatai buvo pasteb\u0117ti nustatant AI <\/span>Prostatos v\u0117\u017eys<\/span>Ar <\/span>Odos v\u0117\u017eys<\/span>ir kitos s\u0105lygos.<\/span><\/p>\nM\u016bs\u0173 prieiga prie duomen\u0173 niekada nebuvo didesn\u0117. Kaip pavyzdys, Nacionalin\u0117 sveikatos tarnyba JK – did\u017eiausiame Europos darbdavys – kartu turi prieig\u0105 prie daugiau nei 65 milijon\u0173 pacient\u0173 vert\u0117s suskaitmenint\u0173 duomen\u0173, \u012fvertint\u0173 \u012fvertinta, \u012fvertinta. <\/span>Per metus vir\u0161 9,6 milijardo svar\u0173 sterling\u0173<\/span> (12,3 milijardo doleri\u0173). <\/span><\/p>\nTai yra precedento neturintis galimyb\u0117 AI atpa\u017einti modelius ir generuoti \u012f\u017evalgas, kurios gal\u0117t\u0173 radikaliai pagerinti diagnoz\u0119, gydym\u0105 ir narkotik\u0173 atradim\u0105.<\/span><\/p>\nAI geb\u0117jimas aptikti subtilius modelius did\u017eiuliuose duomen\u0173 rinkiniuose yra viena did\u017eiausi\u0173 jos sveikatos prie\u017ei\u016bros stipri\u0173j\u0173 pusi\u0173. \u0160ios sistemos gali i\u0161analizuoti ne tik medicininius vaizdus, \u200b\u200bbet ir genominius duomenis, elektroninius sveikatos \u012fra\u0161us, klinikines pastabas ir dar daugiau – ta\u0161k\u0173 koreliacijas ir rizikos veiksnius, kurie gali i\u0161vengti patyrusi\u0173 \u017emoni\u0173 gydytoj\u0173. <\/span><\/p>\nKai kurie \u017emon\u0117s gali jaustis patogiau su AI agentu, tvarkan\u010diu savo sveikatos prie\u017ei\u016bros duomenis, nei \u017emogus, tiesiogiai nedalyvaujantis j\u0173 prie\u017ei\u016broje. Ta\u010diau klausimas yra susij\u0119s tik su tuo, kas mato duomenis – tai yra apie tai, kaip <\/span>ne\u0161iojamasis<\/span> tai tampa. <\/span><\/p>\nPG modeliai, sukurti u\u017e patikim\u0173 sveikatos prie\u017ei\u016bros \u012fstaig\u0173 rib\u0173, kelia nauj\u0105 rizik\u0105. Nors ligonin\u0117s jau gali apsaugoti pacient\u0173 duomenis, pasitik\u0117ti i\u0161orin\u0117mis AI sistemomis reikia patikimesn\u0117s privatumo apsaugos, kad b\u016bt\u0173 i\u0161vengta netinkamo naudojimo ir u\u017etikrint\u0173, kad duomenys i\u0161likt\u0173 saug\u016bs.<\/span><\/p>\n<\/span>Privatumo i\u0161\u0161\u016bkiai AI sveikatos prie\u017ei\u016bros srityje<\/b><\/span><\/h2>\nVerta pamin\u0117ti, kad potencialas kyla d\u0117l dideli\u0173 privatumo ir etini\u0173 problem\u0173.<\/span><\/p>\nSveikatos prie\u017ei\u016bros duomenys yra bene jautriausia asmenin\u0117 informacija, kuri egzistuoja. Tai gali atskleisti ne tik m\u016bs\u0173 sveikatos b\u016bkl\u0119, bet ir elges\u012f, \u012fpro\u010dius ir genetin\u012f polink\u012f. <\/span><\/p>\nYra pagr\u012fst\u0173 baimi\u0173, kad pla\u010diai pritaikant AI sveikatos prie\u017ei\u016brai, gali b\u016bti pa\u017eeista privatumas, duomen\u0173 pa\u017eeidimai ar netinkamas intymios asmenin\u0117s informacijos naudojimas. <\/span><\/p>\nNet anoniminiai duomenys n\u0117ra automati\u0161kai saug\u016bs. I\u0161pl\u0117stiniai AI modeliai parod\u0117 nerim\u0105 keliant\u012f sugeb\u0117jim\u0105 panaikinti apsaugotus duomen\u0173 rinkinius kry\u017eminiu b\u016bdu nurodant kit\u0105 informacij\u0105. Taip pat yra rizika <\/span>\u201eModelio inversija\u201c i\u0161puoliai<\/span>kur kenksmingi veik\u0117jai gali rekonstruoti privataus mokymo duomenis pakartotinai u\u017eklaus\u0119 AI model\u012f.<\/span><\/p>\n\u0160ie r\u016bpes\u010diai n\u0117ra hipotetiniai. Jie atspindi realias kli\u016btis priimti AI sveikatos prie\u017ei\u016bros paslaugas, potencialiai sulaikan\u010dias gyvyb\u0117s gelb\u0117jimo naujoves. Pacientai gali nenor\u0117ti dalytis duomenimis, jei nepasitiki privatumo apsaugos priemon\u0117mis.<\/span><\/p>\nNors standartai ir reglamentai reikalauja geografin\u0117s ir demografin\u0117s duomen\u0173, naudojam\u0173 AI modeliams mokyti, dalijimasis duomenimis tarp sveikatos prie\u017ei\u016bros \u012fstaig\u0173 reikia konfidencialumo, nes duomenys, be to, kad jie yra labai jautr\u016bs, turi sveikatos prie\u017ei\u016bros institucij\u0173 \u012f\u017evalgos aplink diagnozes ir gydym\u0105. <\/span><\/p>\nTai sukelia institucij\u0173 atsargum\u0105, dalijantis duomenimis i\u0161 reguliavimo, intelektin\u0117s nuosavyb\u0117s ir klaid\u0173.<\/span><\/p>\n<\/span>Privatum\u0105 i\u0161saugojan\u010dios AI ateit\u012f<\/b><\/span><\/h2>\nLaimei, siekiant i\u0161spr\u0119sti \u0161iuos i\u0161\u0161\u016bkius, atsiranda nauja privatum\u0105 i\u0161saugojusi PG vystymosi banga. Decentralizuoti AI metodai, tokie kaip federacinis mokymasis, leid\u017eia mokyti AI modelius paskirstytuose duomen\u0173 rinkiniuose, nenusimenant neskelbtinos informacijos. <\/span><\/p>\nTai rei\u0161kia, kad ligonin\u0117s ir tyrim\u0173 \u012fstaigos gali bendradarbiauti kuriant PG pl\u0117tr\u0105, tiesiogiai nesidalijant pacient\u0173 duomenimis.<\/span><\/p>\nKiti perspektyv\u016bs metodai apima diferencin\u012f privatum\u0105, kuris prideda statistin\u012f triuk\u0161m\u0105 duomenims, siekiant apsaugoti individualias tapatybes, ir homomorfinis \u0161ifravimas, kuris leid\u017eia skai\u010diavimus atlikti u\u017e\u0161ifruotuose duomenyse nei\u0161metant j\u0173.<\/span><\/p>\nKitas intriguojantis vystymasis yra m\u016bs\u0173 vykdymo laiko ne grandin\u0117s logikos (ROFL) sistema, leid\u017eianti AI modeliams atlikti skai\u010diavimus ne grandin\u0117je, i\u0161laikant tikrinim\u0105. Tai gal\u0117t\u0173 leisti sud\u0117tingesn\u0117ms AI sveikatos prie\u017ei\u016bros programoms panaudoti i\u0161orinius duomen\u0173 \u0161altinius ar perdirbimo gali\u0105 nepakenkiant privatumui ar saugumui.<\/span><\/p>\nPrivatumo i\u0161saugojimo technologijos vis dar yra j\u0173 ankstyvosiose stadijose, ta\u010diau visos jos nurodo ateit\u012f, kurioje galime panaudoti vis\u0105 AI gali\u0105 sveikatos prie\u017ei\u016bros srityje, neprarandant pacient\u0173 privatumo. <\/span><\/p>\nTur\u0117tume siekti pasaulio, kuriame AI gali i\u0161analizuoti j\u016bs\u0173 vis\u0105 ligos istorij\u0105, genetin\u012f profil\u012f ir net realaus laiko duomenis apie sveikat\u0105 i\u0161 ne\u0161iojam\u0173 prietais\u0173, i\u0161laikydami \u0161i\u0105 neskelbtin\u0105 informacij\u0105 u\u017e\u0161ifruot\u0105 ir saug\u0173. <\/span><\/p>\nTai leist\u0173 labai suasmenintiems sveikatos \u012f\u017evalgoms, neturintiems jokio vieno subjekto, turin\u010dio prieig\u0105 prie \u017ealiavini\u0173 pacient\u0173 duomen\u0173. <\/span><\/p>\n\u0160i privatumo i\u0161saugojimo AI vizija sveikatos prie\u017ei\u016bros srityje n\u0117ra vien tik asmens teisi\u0173 apsauga, nors tai tikrai svarbu. Tai taip pat yra apie viso AI potencialo panaudojim\u0105 pagerinti \u017emoni\u0173 sveikat\u0105 ir tokiu b\u016bdu, kuris liepia pagarb\u0105 pacientams, kuriuos ji gydo. <\/span><\/p>\nSuk\u016br\u0119 sistemas, kuriomis pacientai ir sveikatos prie\u017ei\u016bros paslaug\u0173 teik\u0117jai gali pasitik\u0117ti, galime paskatinti didesn\u012f dalijim\u0105si duomenimis ir bendradarbiavimu, d\u0117l ko gali b\u016bti galingesni\u0173 ir tiksli\u0173 AI modeli\u0173.<\/span><\/p>\nI\u0161\u0161\u016bkiai yra reik\u0161mingi, ta\u010diau galimas atlygis yra did\u017eiulis. Privatum\u0105 i\u0161saugojanti PG gal\u0117t\u0173 pad\u0117ti mums anks\u010diau nustatyti ligas, sukurti veiksmingesn\u012f gydym\u0105 ir galiausiai sutaupyti daugyb\u0119 gyvybi\u0173 ir atrakinti pasitik\u0117jimo gr\u0119\u017ein\u012f. <\/span><\/p>\nTai taip pat gal\u0117t\u0173 pad\u0117ti i\u0161spr\u0119sti sveikatos prie\u017ei\u016bros skirtumus, leid\u017eiant kurti AI modelius, kurie mokomi \u012fvairi\u0173, reprezentatyvi\u0173 duomen\u0173 rinkini\u0173, nepakenkiant individualiam privatumui.<\/span><\/p>\nKai AI modeliai tampa tobulesni, o AI orientuotos diagnoz\u0117s tampa greitesn\u0117s ir tikslesn\u0117s, instinktas juos naudoti taps ne\u012fmanoma ignoruoti. Svarbu tai, kad mes mokome juos saugoti savo paslaptis.<\/span><\/p>\nRedagavo Sebastianas Sinclairis<\/i><\/p>\n