WRÓĆ DO STRONY
GŁÓWNEJ
Nauka

Sztuczna inteligencja w medycynie

Podczas szalejącej pandemii COVID-19 w szpitalach najważniejsi są lekarze. W tych trudnych czasach – gdy inne choroby cudownie nie zniknęły – tym ważniejsze jest odciążenie personelu ludzkiego tam, gdzie tylko to możliwe. Tu na scenę wkracza sztuczna inteligencja.

Służba zdrowia zmienia się na naszych oczach. Teraz w pocie czoła i przy pełnym zmęczeniu walczy z szalejącą pandemią COVID-19. Ale przecież SARS-CoV-2 nie jest jedynym demonem, który nawiedza ludzkość. Na świecie wciąż mnóstwo osób umiera z powodu nowotworów, chorób płuc czy braku narządów do przeszczepów. Wydaje się, że XXI wiek jest idealnym momentem, by sztuczna inteligencja wyszła z cienia i odegrała większą rolę w medycynie. I tak już teraz robi sporo, odciążając lekarzy na wielu płaszczyznach.

Istnieją już algorytmy, które mogą konkurować z lekarzami w trafności diagnoz, a nawet przewyższać ich możliwości. Nie zostały one jednak jeszcze zintegrowane z systemami służby zdrowia. Dlaczego?

Kiedy algorytm staje się inteligentny?

Podobnie jak lekarze są kształceni przez lata żmudnej nauki, przechodząc przez egzaminy teoretyczne i praktyczne, również algorytmy sztucznej inteligencji otrzymują różne zadania i uczą się na błędach. To dlatego, że aby maszyna była w stanie dobrze rozpoznawać zdjęcia nowotworów, musi obejrzeć ich tysiące i dowiedzieć się, jak odróżnić zdrową tkankę od chorej.

Komputer prawdę Ci powie?

Analiza obrazów i rozpoznawanie wzorów to jedno, ale podejmowanie decyzji jest inną parą kaloszy. Mimo dużych postępów w uczeniu maszynowym w ostatnich latach, to wciąż człowiek musi powiedzieć maszynie, czego ma szukać na obrazie. To człowiek musi zaakceptować wskazanie komputera, nie odwrotnie. To człowiek jest sędzią decydującym o przydatności algorytmu.

Istnieje wiele różnych algorytmów, które mogą uczyć się na podstawie zbieranych danych. Większość z nich opiera się na danych liczbowych (jak tętno lub ciśnienie krwi) lub obrazowych (jak skany MRI lub obrazy z biopsji tkanek) jako wartościach wejściowych. Algorytmy „uczą się” na podstawie prezentowanych materiałów i klasyfikują dane na podstawie prawdopodobieństwa. Np. system będzie w stanie określić prawdopodobieństwo wystąpienia zakrzepu tętniczego na podstawie danych dotyczących tętna i ciśnienia krwi. Jeżeli pokażemy mu X zdjęć tkanek nowotworowych, to w końcu będzie w stanie je samodzielnie rozpoznawać na podstawie wyznaczonych kryteriów, itd.

Działanie algorytmów w zastosowaniach medycznych jest porównywalne ze skutecznością oceny wyników badań przez lekarzy, a w niektórych sytuacjach nawet lepsze.

Algorytmy w medycynie

Sztuczna inteligencja coraz częściej jest wykorzystywana w medycynie. Postępy są obserwowane niemal we wszystkich dziedzinach – warto przeanalizować to na dwóch przykładach.

Jesienią 2018 r. naukowcy z Seoul National University Hospital and College of Medicine opracowali algorytm AI o nazwie DLAD (Deep Learning based Automatic Detection), którego zadaniem była analiza zdjęć klatki piersiowej i wykrywanie nieprawidłowego wzrostu komórek świadczących o potencjalnych zmianach nowotworowych (na zdjęciu poniżej).

Po lewej zdjęcie pokazane komputerowi, a po prawej wskazanie regionu, któremu powinien przyjrzeć się lekarz

Wydajność algorytmu była wyższa od możliwości detekcji lekarzy na podstawie tych samych zdjeć. Zastosowany algorytm okazał się skuteczniejszy od 17 z 18 testowanych lekarzy.

Drugi z przykładów dotyczy algorytmu zastosowanego przez Google AI Healthcare, także jesienią 2018 r. Naukowcy stworzyli algorytm LYNA (Lymph Node Assistant), który analizował zdjęcia histologiczne barwionych tkanek w celu identyfikacji przerzutowych guzów raka piersi z biopsji węzłów chłonnych. Nie jest to pierwsze zastosowanie sztucznej inteligencji do badań histologicznych, ale LYNA może namierzyć podejrzane regiony, które są nie do odróżnienia dla ludzkiego oka. Skuteczność algorytmu LYNA określono na 99%, co znaczy, że w 99% przypadków komputer był w stanie poprawnie wskazać tkankę nowotworową.

W niedalekiej przyszłości algorytmy diagnostyczne mogą być lepsze i pomóc lekarzom w potwierdzeniu swoich przypuszczeń, a także szybkiej interpretacji danych pacjenta bez utraty dokładności. Zarówno DLAD, jak i LYNA są wyjątkowo skuteczne, ale wciąż nie są powszechnie stosowane – dlaczego?

Czy roboty zastąpią lekarzy?

Sztuczna inteligencja w medycynie to tylko kolejne narzędzie diagnostyczne

Sztuczna inteligencja w służbie zdrowia stanowi poważne wyzwanie. Biorąc pod uwagę dotychczasowy brak standardów regulacyjnych i klinicznych, sztuczna inteligencja może być wykorzystywana w niewłaściwy sposób.

Algorytmy nie są cudownym panaceum ani wyrocznią. Są kolejnym mechanizmem ułatwiającym zastosowanie właściwej terapii, ale komputer nigdy nie podejmie decyzji za człowieka. Dlatego roboty prawdopodobnie nigdy nie zastąpią lekarzy z krwi i kości. Trzeba pamiętać o ludzkich czynnikach, np. empatii, które odgrywają ogromne znaczenie w kontaktach z medykami. Żaden superkomputer nigdy nie będzie w tym lepszy od człowieka.