Svake godine milioni pacijenata iz ljekarskih ordinacija izađu sa pogrešnim dijagnozama. Ljekari pokušavaju da budu sistematični u identificiranju bolesti, ali se greške provuku. Alternative se zanemaruju.
Grupa istraživača iz SAD-a i Kine sada testira potencijalni lijek za sve ljudske slabosti: vještačku inteligenciju.
U nedavno objavljenom istraživanju naučnici navode da su izgradili sistem koji će automatski dijagnosticirati učestala oboljenja kod djece – od gripe do meningitisa – nakon što procesuira simptome, historiju bolesti pacijenta, laboratorijske rezultate i druge kliničke podatke. Sistem je visoko precizan, navode naučnici, i jednog dana mogao bi asistirati ljekarima u dijagnosticiranju kompleksnih i rijetkih bolesti.
Podaci o 600.000 kineskih pacijenata koji su posjetili pedijatra u periodu od 18 mjeseci, korišteni za obučavanje sistema za rad, potcrtavaju poziciju Kine u svjetskom nadmetanju na polju vještačke inteligencije. Pošto je kinesko stanovništvo brojno – a i zato što su zakoni o dijeljenju digitalnih podataka manje strogi – kineskim naučnicima je najlakše da osmisle sisteme “dubokog učenja” za zdravstvenu njegu.
Brojne organizacije razvijaju sisteme koji analiziraju elektronske zdravstvene podatke u pokušaju da utvrde stanja poput osteoporoze, dijabetesa i prestanka rada srca. Slična tehnologija koristi se i za otkrivanje znakova bolesti putem rendgena, magnetne rezonance i očnog skenera.
Ovi sistemi zasnivaju se na neuronskim mrežama, vrsti vještačke inteligencije koja sama uči analiziranjem ogromnih količina podataka.
Dr Kang Zang, šef katedre za oftalmološku genetiku na Univerzitetu u Kaliforniji, uspostavio je sistem koji analizira očni skener u potrazi za krvarenjem, lezijama i drugim znakovima dijabetičarskog sljepila. Taj sistem mogao bi poslužiti kao prva linija odbrane u pregledanju pacijenata i određivanju prioriteta.
Dr Zang i njegove kolege stvorili su sistem koji može da dijagnosticira širok spektar oboljenja prepoznavanjem obrazaca u tekstu, ne samo u medicinskim slikama.
Eksperimentalni sistem analizirao je elektronske medicinske podatke o oko 600.000 kineskih pacijenata, učeći da povezuje učestala oboljenja sa informacijama o svakom pojedinačnom pacijentu koje su prikupili ljekari, sestre i drugi tehničari.
Ljekari su prvo označili bolničke podatke dodavši oznake informacijama povezanim sa određenim stanjima. Sistem je potom analizirao podatke. Zatim su mu zadate nove informacije, uključujući i simptome. Sistem je onda povezao simptome sa bolničkim podacima.
Kada je testiran sa neoznačenim podacima, softver je mogao da parira umijeću iskusnog ljekara. U dijagnosticiranju astme dostigao je tačnost od 90 posto, dok taj procenat kod ljekara iznosi između 80 i 94 posto. U dijagnosticiranju gastrointestinalnih bolesti, sistem je u 87 posto slučajeva bio tačan, u poređenju sa 82 do 90 posto tačnosti koju postižu ljekari.
Neuronske mreže sposobne su prepoznati obrasce koje ljudi nikada ne bi mogli uočiti sami, te mogu biti izuzetno moćne u određenim situacijama. Ali čak i stručnjaci imaju poteškoća da razumiju zašto sistemu donose određene odluke i na koji način uče. Testiranje je potrebno kako bi se zasigurno utvrdilo da su ovakvi sistemi pouzdani. Eksperti ističu da je potrebno da se sistem dr Zanga testira određeno vrijeme, naročito s obzirom na to koliko je teško tumačiti odluke koje donose neuronske mreže. Možda će proći godine dok ovi sistemi ne budu konačno zauzeli svoje mjesto u ordinacijama.
Ali dr Zang kaže da bi njegov sistem mogao uvećati sposobnosti ljekara.
“U nekim situacijama, ljekari ne uzimaju u obzir sve mogućnosti”, kaže on. “Ovaj sistem može izvršiti provjeru i pobrinuti se da ljekar nije propustio nešto važno.”
(TBT, NYT)