Prepoznavanje obrazaca i tumačenje slika – ista vještina pomoću koje ljudi čitaju rezultate skenera – veoma je obećavajuća oblast kada je riječ o vještačkoj inteligenciji.
Pohranjivanjem ogromnih količina podataka u sisteme nazvane vještačkim neuronskim mrežama, istraživači su uspjeli obučiti kompjutere da prepoznaju obrasce povezane sa određenim stanjem.
Ovaj sistem prati algoritam i usput uči. Što više podataka pohranjuje, sve je precizniji. Ovaj proces naziva se duboko učenje i već se koristi kako bi kompjuteri mogli razumjeti govor i registrirati objekte – tako autonomni automobil prepoznaje znak „stop“.
Google je stvorio sisteme koji patolozima pomažu u čitanju mikroskopskih slajdova, a oftalmolozima u dijagnosticiranju očnih bolesti.
Istraživači iz Googlea i još nekoliko medicinskih centara u novom istraživanju su vještačku inteligenciju primijenili na rezultatima skenera snimljenim za dijagnosticiranje raka pluća koji je samo u protekloj godini odnio 1,7 miliona života.
Skener, pored toga što otkriva rak, takođe identificira mrlje koje se kasnije mogu razviti u karcinom, tako da radiolozi mogu razvrstati pacijente u rizične grupe i procjene kojim je pacijentima potrebna biopsija ili češća kontrola. Skener, međutim, može previdjeti tumor ili benigne mrlje zamijeni za zloćudne, a različiti radiolozi koji pregledaju isti snimak mogu imati potpuno drugačija mišljenja.
Istraživači su pomislili da bi kompjuteri možda mogli bolje obaviti posao od ljekara. Stvorili su neuronsku mrežu i dali joj snimke pacijenata čije su dijagnoze već prethodno utvrđene.
“Čitav eksperimentalni proces izgleda kao da podučavate đaka u školi”, kaže dr. Daniel Tze iz Googlea, autor članka o istraživanju. “Koristimo ogromne setove podataka za obučavanje mašine, zadajemo joj lekcije i kvizove kako bi mogla početiučiti šta je rak i šta se hoće, a šta neće razviti u karcinom u budućnosti.”
Sistem je testiran u 6.716 slučajeva u kojima je dijagnoza već poznata i u 94 posto slučajeva postavio je tačnu dijagnozu.
U poređenju sa šest izvanrednih radiologa, sistem dubokog učenja imao je manje lažnih pozitivnih i negativnih dijagnoza.
Dr. Eric Topol, koji piše o vještačkoj inteligenciji u medicini, ali nije učestvovao u istraživanju, kaže: “Prilično sam siguran da će ovo otkriće biti korisno, ali se mora prvo dokazati.”
Radiolog koji pogrešno protumači snimak može naškoditi jednom pacijentu, dok sistem vještačke inteligencije koji ne funkcionira savršeno može naškoditi mnogima, upozorava dr. Topol. Prije nego što se ovaj sistem upotijebi u praksi, dodaje on, trebalo bi da bude testiran u stvarnim uvjetima.
“Sarađujemo sa institucijama širom svijeta kako bismo doznali koji je najproduktivniji način za implementiranje ove tehnologije u kliničku praksu”, kaže dr. Tze. “Ne želimo trčati pred rudu.”
(TBT, NYT)
