Svake godine milioni pacijenata iz lekarskih ordinacija izađu sa pogrešnim dijagnozama. Lekari pokušavaju da budu sistematični u identifikovanju bolesti, ali se greške provuku. Alternative se zanemaruju.
Grupa istraživača iz SAD i Kine sada testira potencijalni lek za sve ljudske slabosti: veštačku inteligenciju.
U nedavno objavljenom istraživanju naučnici navode da su izgradili sistem koji će automatski dijagnostikovati učestala oboljenja kod dece – od gripa do meningitisa – nakon što procesuira simptome, istoriju bolesti pacijenta, laboratorijske rezultate i druge kliničke podatke. Sistem je visoko precizan, navode naučnici, i jednog dana mogao bi da asistira lekarima u dijagnostikovanju kompleksnih i retkih bolesti.
Podaci o 600.000 kineskih pacijenata koji su posetili pedijatra u periodu od 18 meseci, korišćeni za obučavanje sistema za rad, potcrtavaju poziciju Kine u svetskom nadmetanju na polju veštačke inteligencije. Pošto je kinesko stanovništvo brojno – a i zato što su zakoni o deljenju digitalnih podataka manje strogi – kineskim naučnicima je najlakše da osmisle sisteme „dubokog učenja“ za zdravstvenu negu.
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 veštačke 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 slepila. Taj sistem mogao bi da posluži kao prva linija odbrane u pregledanju pacijenata i određivanju prioriteta.
Dr Zang i njegove kolege stvorili su sistem koji može da dijagnostikuje 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 lekari, sestre i drugi tehničari.
Lekari 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 umeću iskusnog lekara. U dijagnostikovanju astme dostigao je tačnost od 90 odsto, dok taj procenat kod lekara iznosi između 80 i 94 odsto. U dijagnostikovanju gastrointestinalnih bolesti, sistem je u 87 odsto slučajeva bio tačan, u poređenju sa 82 do 90 odsto tačnosti koju postižu lekari.
Neuronske mreže sposobne su da prepoznaju obrasce koje ljudi nikada ne bi mogli da uoče sami, te mogu biti izuzetno moćne u određenim situacijama. Ali čak i stručnjaci imaju poteškoća da razumeju 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 vreme, 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 mesto u ordinacijama.
Ali dr Zang kaže da bi njegov sistem mogao da uveća sposobnosti lekara.
„U nekim situacijama, lekari ne uzimaju u obzir sve mogućnosti“, kaže on. „Ovaj sistem može da izvrši proveru i postara se da lekar nije propustio nešto važno.“
© 2019 The New York Times
Tagovi
