Sztucznej inteligencji używamy już do rutynowych zadań, takich jak pisanie e-maili czy rezerwacja biletów lotniczych. Prawdziwa zmiana zachodzi jednak w medycynie. Sztuczna inteligencja nie jest tutaj tylko modnym hasłem. Aktywnie pomaga lekarzom wykrywać rzadkie choroby i nowotwory na wcześniejszym etapie niż kiedykolwiek wcześniej.
Pytanie nie brzmi, czy sztuczna inteligencja będzie w to zaangażowana. Pytanie brzmi, na ile jest niezawodny i jak dokładnie znajduje rzeczy, które ludzie mogą przeoczyć.
Problem ludzkiego wzroku
Kiedy lekarze ustalają przyczynę choroby, stosują kombinację metod. To są raporty dotyczące objawów. Badania krwi. Badanie fizyczne. I wizualizacja. Zdjęcia rentgenowskie. Badania USG. Tomografia komputerowa. MRI. Instrumenty te pokazują, czy narządy są uszkodzone lub czy występuje guz.
To działa dobrze. Dopóki się nie zatrzyma.
Struktury na tych obrazach są złożone. Gęsty. Wielowarstwowe. Nawet doświadczeni radiolodzy mogą przeoczyć guzy we wczesnym stadium. Mogą również pomylić łagodne zmiany z rakiem. Dzieje się tak również w przypadku próbek tkanek. Ludzka uwaga staje się przytępiona. Pojawia się zmęczenie.
AI w diagnostyce medycznej wkracza na scenę.
We wczesnych badaniach systemy sztucznej inteligencji wykazały, że po odpowiednim przeszkoleniu są w stanie wykryć zmiany patologiczne. Nie mrugają. Nie męczą się. Po prostu przetwarzają dane.
Bardziej widoczne na mammogramach
Wykrycie raka piersi zależy w dużej mierze od zdjęć mammograficznych. Radiolodzy szukają nieprawidłowości w tkance piersi. Jednak gęsta tkanka piersi utrudnia ten proces. Małe znaki łatwo przeoczyć.
Aby w tym pomóc, naukowcy z Uniwersytetu w Lund w Szwecji stworzyli KI-Modell für Brustkrebs (model sztucznej inteligencji raka piersi). Nie tylko zgadywali. Testowali.
Przeprowadzili mammografię 80 000 kobiet z grupy wysokiego ryzyka. Część z nich została przeanalizowana przez sztuczną inteligencję. Drugą częścią są radiologowie.
Wyniki były dramatyczne. Model AI zidentyfikował o 20% więcej nowotworów piersi niż lekarze. Poziom błędów fałszywie dodatnich był podobny. Jednak wczesne wykrycie większej liczby nowotworów ratuje życie.
Prognozowanie ryzyka z kilkuletnim wyprzedzeniem
Diagnoza to tylko połowa sukcesu. Ważna jest również profilaktyka. Model o nazwie Mirai pomaga lekarzom i pacjentom zrozumieć indywidualne ryzyko. Wykracza to poza prostą analizę aktualnych obrazów.
Mirai przewiduje przyszłe ryzyko raka piersi. Bierze pod uwagę:
- Znane czynniki ryzyka
- Wiek
- Historia rodziny
- Markery wizualne w tkankach
Pokazuje, jak ryzyko to zmienia się w czasie. Oto sedno. Sami badacze nie do końca rozumieją, w jaki sposób Mirai dochodzi do swoich wniosków.
„Wiemy, jak działa głębokie uczenie się i jak uczy się model” – mówi Krzysztof Gieras z New York University. „Ale nie rozumiemy, czego dokładnie model szuka w danych. Prawdopodobnie uczy się na podstawie wskazówek wizualnych, które są nieznane ludziom”.
Widzi wzorce, których nie potrafimy nazwać. To jest potężne. I trochę niepokojące.
Odkrywanie niewidzialnego w rzadkich chorobach
Krebs erkennen (rozpoznawanie raka) to jedno. Wykrywanie chorób rzadkich to kolejna sprawa. Żołądek i przewód pokarmowy stanowią wyzwanie.
Zespół z Uniwersytetu Ludwiga Maksymiliana w Monachium, Politechniki Berlińskiej i Charite Clinic opracował nowe podejście oparte na sztucznej inteligencji. Przeanalizowali zdrową tkankę i typowe ustalenia, takie jak przewlekłe zapalenie żołądka. Następnie szukano odchyleń.
Nieprawidłowości te wskazywały na rzadkie choroby przewodu pokarmowego.
Dlatego to ważne. Zazwyczaj sztuczna inteligencja potrzebuje ogromnych ilości danych do szkolenia. Dajesz mu przykłady. Znajduje wzorce. Stosuje je.
Nie ma wystarczających przykładów chorób rzadkich. Nie ma wystarczającej ilości materiału, aby skutecznie szkolić standardową sztuczną inteligencję. Dokładność spada. Model zawodzi.
Ten nowy model nie wymagał specjalnego szkolenia w zakresie każdej rzadkiej patologii. Wyprowadzono anomalie ze wspólnego punktu odniesienia.
„Porównaliśmy różne podejścia techniczne” – mówi Klaus-Robert Müller z Politechniki Berlińskiej. “Nasz najlepszy model z dużą niezawodnością rozpoznał szeroki zakres rzadszych patologii przewodu pokarmowego, w tym rzadkie nowotwory pierwotne lub przerzutowe. Według naszej wiedzy żadne inne opublikowane narzędzie sztucznej inteligencji nie jest w stanie tego zrobić.”
Luka w zaufaniu
AI zapewnia szybkość. Oferuje skalowalność. Oferuje współczynniki wykrywalności, których ludzie nie są w stanie konsekwentnie odtworzyć.
Ale mamy do czynienia z „czarnymi skrzynkami”. Modelki takie jak Mirai znajdują wzorce, które są dla nas niewidoczne. Ufamy wynikowi, bo jest dobry. Ale nie do końca rozumiemy dlaczego.
Czy to problem? Może.
Lekarze już korzystają z tych narzędzi jako asystenci. Druga opinia. Siatka bezpieczeństwa. Technologia już tu jest. Jest dokładna. Rozszerza się na obszary, które uważaliśmy za zbyt niszowe, aby je zautomatyzować.
Następnym krokiem jest nie tylko doskonalenie algorytmów. To zrozumienie tego, co widzą. I podjęcie decyzji, czy chcemy pozwolić im przewodzić.
