Andrew L. Beam. Translating Artificial Intelligence Into Clinical Care. J
Sztuczna inteligencja to coraz powszechniej poruszany temat. Takie produkty i usługi jak systemy identyfikowania mowy, komputerowe rozpoznawanie obrazów, czy też maszynowe tłumaczenie tekstów na stałe zagościły w życiu codziennym. Medycyna niestety wciąż pozostaje w tyle. Już w latach sześćdziesiątych i siedemdziesiątych ubiegłego wieku spekulowano o możliwości wprowadzenia metod automatyzacji do opieki nad pacjentem. Dopiero jednak po 2012 roku, wraz ze znaczącym postępem w redukcji błędów w rozpoznawaniu obrazów, prace badawcze dotyczące zastosowania sztucznej inteligencji w medycynie przyśpieszyły znacząco swój bieg.
Na łamach JAMA opublikowano wyniki badania, w którym oceniono zastosowanie techniki uczenia maszynowego (deep learning) dla wykrywania retinopatii cukrzycowej oraz obrzęku plamki. Do zbudowania modelu naukowcy wykorzystali 128 175 obrazów z bazy EyePACs. Każde zdjęcie zostało ocenione przez 3 do 7 klinicystów pod kątem retinopatii cukrzycowej, cukrzycowego obrzęku plamki, oraz ogólnej jakości obrazu. Na podstawie wyników powyższej oceny algorytm nauczył się odróżniać oko zdrowe od takiego, które może wykazywać oznaki choroby. Aby potwierdzić skuteczność oprogramowania, autorzy ocenili je na dwóch różnych zestawach danych składających się z 9963 i 1748 zdjęć. W trakcie walidacji danych, algorytm miał wysokie wartości czułości i swoistości.
Autorzy komentarza w JAMA zastanawiają się, jak podobne technologie wpłyną na dziedziny medycyny takie jak patomorfologia, radiologia, czy dermatologia. Prawdopodobnie ulegną one znaczącym przekształceniom w miarę powstawania nowych algorytmów poszerzających możliwości analizy obrazów. Przez to, że algorytmy są standaryzowane, powtarzalne i skalowalne mogą pomóc przeanalizować dużą ilość zdjęć w szpitalach na całym świecie, a klinicyści będą mogli skoncentrować się na innych aspektach swojej pracy.
Zauważalne są już działania komercyjne mające na celu wdrożenie tych technologii na rynku usług medycznych. Firmy zaczynają oferować programy oparte na sztucznej inteligencji do wykrywania raka czy odczytywania obrazów radiologicznych.
Autorzy przestrzegają przed nadinterpretacją dotychczasowych osiągnięć jako zapowiedzi zrewolucjonizowania medycyny. Prezentują postawę ostrożnego optymizmu ale przyznają, że nadszedł czas do wykorzystania sztucznej inteligencji do zwiększenia wydajności i zmniejszenia kosztów przetwarzania informacji medycznych.
Opracowano na podstawie: JAMA, 13 grudnia 2017
Emilia Kudraszew