@kiowa72: to jest dość skomplikowane, bo dotyka wielu różnych aspektów.
Poziom techniczny
Wspomniane wyżej systemy eksperckie już są używane w diagnostyce. Chyba najmocniejszym istniejącym rozwiązaniem jest IBM Watson. Mają duże osiągnięcia w dziedzinie diagnostyki i analizie trendów. Robią też coś w zakresie predykcji, ale to raczej na potrzeby ubezpieczycieli.
Zatem na tym poziomie nie jest, to problem. Jedyne co może uderzyć, to fakt, że wymagamy od takich systemów przewidywalności, a z tą jest krucho.
Poziom medyczny
Tu robi się ciekawie, ponieważ ilość wiedzy, jaką należy wtłoczyć w system, jest ogromna, a ekspertów, którzy będą w stanie opracować odpowiednie modele niewielu. W dodatku żaden ekspert nie ma pełnej wiedzy co do zależności. Przykładowo – czy ból krzyża może być powiązany z istnieniem ósemek? Odpowiedź brzmi tak. Dlaczego? W uproszczeniu ucisk nerwów na twarzy powoduje ból d**y.
Problemy w tym miejscu można spróbować rozwiązać za pomocą ML i weryfikacji.
Poziom prawny
Procedury, odpowiedzialność za szkody, certyfikacja modeli. Lekarz, zanim zacznie leczyć, jest weryfikowany na wiele sposobów, a i tak nie mamy gwarancji. Jak zatem prawnie ogarnąć model? Kto powinien odpowiadać w przypadku złej diagnozy? W jaki sposób traktować decyzje etyczne modelu np. zaprzestanie podtrzymywania życia?
Poziom administracyjny
Papiery, których nienawidzą lekarze, tu też będą potrzebne. W dodatku wdrożenie modelu musi odbywać się w ramach istniejących procedur, co jak wspomniano wyżej, jest tylko nieskończonym źródłem frustracji.
Poziom ludzki
Chyba najprostszy do ogarnięcia – jak przekonać lekarza, że maszyna nie pozbawi go pracy, ani jej nie zamieni go w kogoś, kto tylko ma klikać OK?