خطرات ناشی از الگوریتمی (il)سواد در بهداشت و درمان سیستم عامل

استفاده از فن آوری های پوشیدنی, تلفن همراه, سلامت برنامه های کاربردی و آنلاین سلامت, سیستم عامل رو به رشد است و ما اجازه می دهد برای پیگیری و به اشتراک گذاری سلامت ما داده و شرکت در انجمن های بحث آنلاین به سوال در مورد بهداشت-سوالات مرتبط. ثروت از اطلاعات در تئوری به ما اجازه می دهد برای مدیریت سلامت ما به طور موثر تر و بهتر مجهز زمانی که ما به دکتر مراجعه کنید. این ابزار همچنین می تواند به عنوان یک منبع جدید از دانش مشروعیت یکپارچه سازی “روحانی” ورودی و بیمار را قادر می سازد تا دسترسی و کنترل اطلاعات. در حالی که بیمار دسترسی به محرمانه بودن سیستم بهداشت و درمان و اختصاصی قدرت در اطلاعات بیمار رو به افزايش است و نشان دادن پتانسیل به قدرت شفا برای بیماران با وجود حفظ حریم خصوصی و نگرانی های امنیتی.

با توجه به مرکز تحقیقات پیو بیشتر و بیشتر مردم به دنبال سلامت-اطلاعات مربوط به آنلاین. در ایالات متحده, 93 میلیون نفر انجام این کار هر روز و در میان آنها 55 درصد به دنبال اطلاعات مربوط به وضعیت پزشکی خود را قبل از مراجعه به دکتر. سیستم عامل های دیجیتال مانند PatientsLikeMe, MedHelp و MyHealthTeams ارائه پتانسیل برای تغییر قدرت دینامیک است که به مدت طولانی مشخص می شود بخش بهداشت و درمان آوردن تمرکز بر بیمار است. در واقع سنتی پزشکی تحقیقات علمی آن سخت گیری تغییر از کنترل توسط محققان به یکی که crowdsources بیمار نیاز دارد.

یکی از آنلاین سلامت, سیستم عامل, PatientsLikeMe (PLM) به ارمغان می آورد با هم در یک جامعه متنوع ذینفعان – بیماران و پزشکان و مراقبان محققان شرکت های دارویی و دولت برای همکاری برای داده های بزرگ نسل و تحقیقات پزشکی. پلت فرم در حال حاضر درگیر بیش از 600 ، 000 عضو در سراسر جهان. بیماران در PLM باید تولید 43 میلیون نقاط داده ها به تاریخ. بیماران با تغییر زندگی بیماری و یا شرایط از جمله مولتیپل اسکلروزیس, بیماری صرع و ALS آشکارا به اشتراک گذاری داده های خود را مانند داروها استفاده می کنند و عوارض جانبی آنها تغییرات در شیوه زندگی و تشخیصی و پیش آگهی بیماری اطلاعات است.

این شرکت پس از آن استخر و مصالح این بیمار-تولید اطلاعات برای تحقیق و تجزیه و تحلیل و visualises آن با الگوریتمی ابزار. داده ها به فروش می رسد به موسسات و شرکت های همکار برای تحقیقات پزشکی. بر اساس هر گونه درمان های جدید توسعه یافته و بیماران باید از این فرصت برای اصلاح رفتارهای خود و مدیریت بهتر سلامت خود را. بیماران همچنین به اشتراک گذاری اطلاعات خود را با پزشکان خود را, ایجاد اشکال جدیدی از تعامل بین بیماران و پزشکان در تنظیمات بالینی و بیمار افزایش دسترسی به آزمایش های بالینی. در وب سایت خود PLM ادعا میکند که به دنبال استفاده از هوش مصنوعی و ابزارهای دیگر به “democratise یادگیری” در مورد سلامت و پزشکی است.

در واقع هوش مصنوعی بهداشت و درمان-مراقبت از برنامه های کاربردی استفاده می شود برای تشخیص و درمان, اهداف طراحی داروهای جدید و درمان و همچنین حمایت از بیماران سلامت خود را به تصمیم گیری.

خطرات ناشی از داده های بی سوادی

با وجود وعده از این سیستم عامل و افزایش ذینفعان شمول ضروری است برای شفافیت بیشتر در چگونه سلامت ما داده های به اشتراک گذاشته شده و استفاده شده توسط دیگران است. به عنوان توانمند سازی و utopic به این فن آوری و سیستم عامل به نظر می رسد یکی نمی تواند کمک کند اما فکر می کنم در مورد متخصص در مقابل روحانی تقسیم. به عبارت دیگر چگونه متخصص هستند بیماران مبتلا به ارائه ورودی در سلامت خود را داده و همچنین تفسیر داده های ارائه شده به آنها را? در سال 2008 مقاله در مجله Macromarketingمن جلب توجه به این موضوع از رسانه های جدید سواد آموزی و توانمند سازی بالقوه و همچنین نیاز به تخصص قادر به استفاده و بهره مندی از این فن آوری.

در مورد امروز آنلاین سلامت-ردیابی, سیستم عامل بیمارانی که به اندازه کافی سواد به استفاده از ابزار و توصیف علائم خود را نمی خواهد بود قادر به درو مزایای. علاوه بر این هنگامی که ما صحبت در مورد داده های سواد ما نه تنها نیاز های شناختی و مهارت های فنی و همچنین توانایی برای عمل در این داده ها برای مدیریت سلامت ما است. از این رو چالش های اجتماعی از داده ها الگوریتم های ظهور به عنوان انسان قضاوت در مورد نیاز به ایجاد حس از آن و عمل به آن (Gillespie, 2017; Kitchin, 2014). چنین اقداماتی نیز ممکن است تحت تاثیر دیگران’ سلامت — برای مثال یک فرد می تواند در تلاش برای پیگیری نوسانات خلق و خوی از یک دوست و شریک یا عضو خانواده یادآوری او و یا او را به می گویند دارو. اگر چه این خود ابزار ردیابی قابل توجهی پتانسیل خود را با استفاده از شیفت مسئولیت به افراد نه تنها برای سلامت خود بلکه برای دیگران.

علاوه بر این زمانی که شرکت های بزرگ, طراحی, ابزار ردیابی آنها ممکن است قادر به گرفتن تمام جنبه های تجربه بیمار و نه – مهمتر از همه – درک زبان بیمار در توصیف او/او تجربه (Tempini, 2015). در نتیجه بیمار و شرکت بی سوادی تبدیل به همکاران اصلی به شکاف دیجیتال است که مانع قابلیت گزارش تجزیه و تحلیل و درک بهتری از داده ها و مدیریت ما و دیگران بهداشت درآمده است.

دانستن بیش از حد

اما چه اتفاقی می افتد زمانی که بیماران بیش از حد سواد به آنها را پیگیری و گزارش خود را داده ؟ در واقع خطر ابتلا به دستکاری داده ها وجود دارد به سمت راست مشخصات را به خواسته های خاص که تهیه کردن به منافع خود که پس از آن ممکن است نتایج عملکرد است که منجر به ناموفق درمان است. این نگران کننده است به عنوان سیستم عامل مانند PLM در تعامل با بیمار-تولید تحقیقات پزشکی با همکاری دارویی و موسسات تحقیقاتی.

بودن بیش از حد سواد به دستکاری داده یا نه سواد کافی برای ارائه اطلاعات لازم ممکن است مانع از دانش پزشکی فرآیند تولید. بیماران با مهارت های علمی می تواند دستکاری داده است که شمار حریم خصوصی و چالش های امنیتی از جمله امنیت شغلی و بیمه و جنایی نگرانی. علاوه بر این چنین در معرض خطر انجام شده است به بیمار-پزشک دانش مبادلات در تنظیمات بالینی به بیماران مبتلا به اشتراک گذاری خود را برای ردیابی اطلاعات با پزشکان خود را. اگر چه آنلاین سلامت, سیستم عامل, ایجاد, پیش بینی داده های مدل سازی است که اجازه می دهد تا ردیابی از هر گزارش تغییر در استفاده از مواد مخدر و علائم دقت داده ها از جمله مدل های باقی مانده از یک نگرانی است.

به عنوان ما در حال مسخ توسط صحبت از باز بودن شفافیت, تغییرات سلیقه ای, و توانمند سازی, ما اغلب نادیده می گیرند اثرات مضر از جمله گفتمان در کنترل و عدم تقارن اطلاعاتی ، آنلاین سلامت, سیستم عامل جدید به عنوان داده ها به واسطه کنترل جریان و دستکاری داده ها (Gillespie, 2017; Zuboff, 2019) خدمت به عنوان دروازه بان از داده های بزرگ تولید و توزیع. Zuboff (2015, 2019) شدیدا بیانگر خطرات ناشی از داده های بزرگ در سن نظارت سرمایهداری و چگونه آن را به منزله “بزرگ دیگر” از طریق کشف مکانیسم استخراج کالایی و کنترل است که تبعید مردم از خود رفتارها و ایجاد ظاهر غیر دموکراتیک بازارهای جدید است.

سوال مهم باقی می ماند در مورد (mis)با استفاده از خود ابزار ردیابی و همچنین اخلاقی و مسائل مربوط به حریم خصوصی. این شامل چگونه بیمار-تولید داده های ذخیره شده و مورد استفاده توسط اشخاص ثالث که صاحب و کنترل داده ها و به چه میزان بیماران باید یک صدا در استفاده از, استفاده مجدد و فروش از داده های خود را.

tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im