Η χρήση των αλγορίθμων έχει επηρεάσει όλους τους τομείς της ζωής μας, εγείροντας αρκετά ερωτήματα για το εάν ακόμα πρέπει να επανακαθορίσουμε τους όρους του περίφημου κοινωνικού συμβολαίου. Τις τελευταίες μέρες, οι αλγόριθμοι ήλθαν πάλι στην επικαιρότητα με αφορμή την σημαντικότερη επιστημονική εξέλιξή της χρονιάς, την δημιουργία ενός αλγόριθμου που μπορεί να υπολογίσει τη δομή του συνόλου των ανθρώπινων πρωτεϊνών, αλλά και λόγω των πρόσφατων αντιδράσεων στην πρόταση της Ευρωπαϊκής Επιτροπής για την δημιουργία του περίφημου αλγόριθμου αξιολόγησης τροφίμων Nutri-Score που φαίνεται να μην λαμβάνει υπόψη τη ιδιαίτερη διατροφική αξία των μεσογειακών προϊόντων.
Η πανδημία επιτάχυνε και εμβάθυνε την χρήση των αλγορίθμων κάθε είδους με διάφορους τρόπους: από την χρήση ειδικών ‘έξυπνων’ μετρητών θερμοκρασίας σώματος και την δημιουργία μοντέλων πρόβλεψης, παρακολούθησης και ελέγχου της εξάπλωσης της πανδημίας (ψηφιακά smoke signals) μέχρι την ανάλυση τεράστιου όγκου δεδομένων ιατρικού χαρακτήρα για διαγνωστικούς λόγους μέσω ακτινογραφιών ή ακόμα και της ανάλυσης του ήχου του βήχα (pattern recognition), -που αποτέλεσαν και τη βάση για την δημιουργία εμβολίων και άλλων θεραπευτικών εργαλείων-, οι αλγόριθμοι έχουν αποδειχθεί πολλαπλά χρήσιμοι στο πλαίσιο της παρούσας συγκυρίας.
Στη Νέα Ζηλανδία αναπτύχθηκε πρόσφατα ένας αλγόριθμος προτεραιοποίησης ασθενών που πάσχουν από κορωνοϊό, προκειμένου να αποφασιστεί η σειρά εισαγωγής στις ΜΕΘ ενώ στην Δανία δημιουργήθηκε ένας αλγόριθμος ο οποίος προβλέπει την εξέλιξη της πορείας της νόσου στους νοσούντες Covid-19 σε συνάρτηση με το πόσοι εξ αυτών υπάρχει πιθανότητα να χρειαστούν νοσηλεία σε ΜΕΘ. Στην Ελλάδα, γίνεται χρήση αλγορίθμων σε αεροδρόμια προκειμένου να επιλέγεται το δείγμα των επιβατών πτήσεων που θα περάσει από έλεγχο με rapid test ή με μοριακό test (αλγόριθμος EVA) ενώ δημιουργούνται θεραπευτικοί αλγόριθμοι που στοχεύουν στην μείωση των πιθανοτήτων διασωλήνωσης και θανάτου (Larissa COVID-19 treatment algorithm) και χρησιμοποιούνται και για την εξωνοσοκομειακή αντιμετώπιση της COVID-19.
Πέραν των δεδομένων πλεονεκτημάτων τους, η χρήση αλγοριθμικών συστημάτων για την αυτοματοποίηση κλινικών ή μη αποφάσεων δεν αποτελεί μια ουδέτερη και στεγανοποιημένη τεχνική διαδικασία. Βασίζεται και επηρεάζεται από πολλαπλές παραμέτρους και κυρίως από την ποιότητα και την ακρίβεια των δεδομένων που τροφοδοτούν την λειτουργία τους αλλά και από το ίδιο το πλαίσιο διαχείρισης τους. Η δημιουργία αλγορίθμων στο πλαίσιο μιας τόσο καινοφανούς επιστημονικά κατάστασης όπως αυτή της παρούσας πανδημίας για την οποία τα δεδομένα που διαθέτουμε είναι όχι μόνο ατελή, αλλά και αλλάζουν διαρκώς λόγω της δυναμικού χαρακτήρα του φαινομένου, αποτελεί από μόνη της μια ισχυρή πρόκληση.
Η πρόκληση αυτή ιδιαίτερα επιτείνεται από την έλλειψη ενός ανεξάρτητου εποπτικού και ελεγκτικού οργάνου για τον έλεγχο της ακρίβειας των δεδομένων καθώς ακόμα και οι δημιουργοί αυτών των αλγόριθμων δεν γνωρίζουν πολλές φορές πώς τα συστήματα αυτά εξελίσσονται και πώς οδηγούνται τελικά σε συγκεκριμένα αποτελέσματα Το υφιστάμενο ψηφιακό χάσμα και η χαμηλή –ακόμα- διαλειτουργικοτητα που διακρίνει το ελληνικό σύστημα υγείας επιτείνει ακόμα περισσότερο αυτές τις προκλήσεις. Επομένως, δεδομένου ότι πολλά από τα αλγοριθμικά μοντέλα που χρησιμοποιούνται για την επεξεργασία δεδομένων και την αξιολόγηση του κινδύνου μετάδοσης πρέπει να επαληθεύονται, να αναπροσαρμοζονται και να εκπαιδεύονται διαρκώς, οι αλγόριθμοι τέτοιου είδους είναι ευπρόσδεκτοι αλλά δεν πρέπει να αντιμετωπίζονται ως πανάκεια.
Οι όποιες επιφυλάξεις για την χρήση τους δεν σχετίζονται με την ίδια την εγκυρότητα και την χρησιμότητα τους αλλά με το γεγονός ότι η δημιουργία ‘έξυπνων’ αλγόριθμων πρέπει να υποστηρίζεται από ψηφιακές υποδομές που θα επιτρέπουν την εύκολη πρόσβαση σε ψηφιακά δεδομένα και εργαλεία ανάλυσης, την άμεση διαθεσιμότητα νέων δεδομένων με την μορφή open-access data και με την δημιουργία μηχανισμών που θα επιτρέπουν την υπεύθυνη παρακολούθηση της χρήσης τους, τον διαρκή ποιοτικό έλεγχο των σχετικών βάσεων δεδομένων και κατ’ επέκταση την επικαιροποιηση τους.
Η χώρα μας όμως, όπως διαπιστώνουμε και από την χαμηλή βαθμολογία της στον διεθνή δείκτη DESI (Ευρωπαϊκός Δείκτης Ψηφιακής Οικονομίας και Κοινωνίας), φαίνεται να βρίσκεται ακόμα σε πρώιμο στάδιο ψηφιοποιησης του τομέα της υγειας, έχοντας να αντιμετωπίσει προκλήσεις που απορρέουν από την περιορισμένη διείσδυση των ψηφιακών τεχνολογιών και την υστέρηση στην καταγραφή και αξιοποίηση διεθνώς συγκρίσιμων δεδομένων για την υγειονομική περίθαλψη.
Με λίγα λόγια, οι αλγόριθμοι μπορούν πραγματικά να σώσουν ζωές ειδικά όταν οι διαθέσιμοι πόροι είναι περιορισμένοι, διευκολύνοντας σε πολλές περιπτώσεις τις κρίσιμες αποφάσεις διαλογής σε αεροδρόμια και νοσοκομεία και αποσυμπιέζοντας κομβικά το ίδιο το σύστημα διαχείρισης. Σε καμιά περίπτωση όμως, δεν θα μπορέσουν ποτέ από μόνοι τους να σηκώσουν το ίδιο το βάρος αντιμετώπισης της πανδημίας και να αποδειχθούν αποτελεσματικοί εάν δεν υπάρξει άμεση υλικοτεχνική ενίσχυση του συνόλου των δομών υγείας σε βαθμό που θα τους επιτρέψει να ανταποκριθούν άμεσα στις διαρκώς διογκούμενες απαιτήσεις για αξιόπιστα και αντιπροσωπευτικά δεδομένα αλλά και κατ’ επέκταση για την διασφάλιση της καθολικής, ισότιμης και άμεσης κάλυψης των υγειονομικών αναγκών όλων των πολιτών, ιδιαίτερα δε των νοσούντων από Covid-19.
* O Μιχάλης Kρητικός είναι ερευνητής του ΕΛΙΑΜΕΠ και ερευνητικός εταίρος σε θέματα Τεχνητής Νοημοσύνης και Ψηφιακής Μετάβασης στη Σχολή Διακυβέρνησης του Ελεύθερου Πανεπιστημίου των Βρυξελλών