Kompjuteri su bili uspešniji od ljekara u otkrivanju raka pluća na osnovu rezultata skenera u novom istraživanju i ponudili novi uvid u budućnost vještačke inteligencije u medicini.
Prepoznavanje obrazaca i tumačenje slika – ista vještina pomoću koje ljudi čitaju rezultate skenera – veoma je obećavajuća oblast kada je riječ o vještačkoj inteligenciji.
Prikupljanjem ogromnih količina podataka u sisteme nazvane vještačkim neuronskim mrežama, istraživači su uspjeli da obuče kompjutere da prepoznaju obrasce povezane sa određenim stanjem.
Ovaj sistem prati algoritam i usput uči. Što više podataka prikuplja, sve je precizniji. Ovaj proces naziva se duboko učenje i već se koristi kako bi kompjuteri mogli da razumiju govor i registruju objekte – tako autonomni automobil prepoznaje znak „stop“.
Gugl je stvorio sisteme koji patolozima pomažu u čitanju mikroskopskih slajdova, a oftalmolozima u dijagnostikovanju očnih bolesti.
Istraživači iz Gugla i još nekoliko medicinskih centara u novom istraživanju su vještačku inteligenciju primjenili na rezultatima skenera snimljenim za dijagnostikovanje raka pluća koji je samo u protekloj godini odnio 1,7 miliona života.
Skener, pored toga što otkriva rak, takođe identifikuje mrlje koje se kasnije mogu razviti u karcinom, tako da radiolozi mogu da razvrstaju pacijente u rizične grupe i procijene kojim je pacijentima potrebna biopsija ili češća kontrola. Skener, međutim, može da previdi tumor ili benigne mrlje zamjeni za zloćudne, a različiti radiolozi koji pregledaju isti snimak mogu imati potpuno drugačija mišljenja.
Istraživači su pomislili da bi kompjuteri možda mogli da bolje obave 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 Danijel Ce iz Gugla, autor članka o istraživanju. “Koristimo ogromne setove podataka za obučavanje mašine, zadajemo joj lekcije i kvizove kako bi mogla da počne da uči 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 odsto slučajeva postavio je tačnu dijagnozu.
U poređenju sa šest izvanrednih radiologa, sistem dubokog učenja imao je manje lažnih pozitivnih i negativnih dijagnoza.
Dr Erik 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 funkcioniše savršeno može naškoditi mnogima, upozorava dr Topol. Prije nego što se ovaj sistem upotrijebi u praksi, dodaje on, trebalo bi da bude testiran u stvarnim uslovima.
“Sarađujemo sa institucijama širom svijeta kako bismo doznali koji je najproduktivniji način za implementiranje ove tehnologije u kliničku praksu”, kaže dr Ce. “Ne želimo da trčimo pred rudu.”