Sztuczna inteligencja kontra lekarze. Algorytmy radzą sobie coraz lepiej
Magazyn Spectrum IEEE, wydawany przez Instytut Inżynierów Elektryków i Elektroników, wykonał interesujące zestawienie ostatnich osiągnięć sztucznej inteligencji na polu medycyny. Świetnie uświadamia ono, jak wielki postęp dokonuje się na polu SI oraz jak olbrzymie korzyści mogą przynieść systemy sztucznej inteligencji wspomagające pracę lekarzy.
W maju 2016 roku robot chirurgiczny konkurował z ludźmi podczas zszywania świńskich jelit. Robot nałożył szwy bardziej równomiernie niż ludzie i były one bardziej odporne na przeciekanie. Warto jednak podkreślić, że eksperyment odbył się w kontrolowanym środowisku, którego warunki znacząco odbiegają od tego, co dzieje się na sali operacyjnej. Ogłoszono remis ze wskazaniem na robota.
Już miesiąc później algorytm sztucznej inteligencji, wykorzystując dane z fMRi (funkcjonalny rezonans magnetyczny) pacjentów, u których stwierdzono łagodne deficyty poznawcze lepiej niż lekarze potrafił przewidzieć, u kogo rozwinie się choroba Alzheimera. Trafność prognoz algorytmu sięgnęła 90%. Standardowe techniki, jakimi obecnie posługują się lekarze zapewniają trafność prognoz sięgającą 65%, jednak trzeba zauważyć, że gdy do tych technik zostają dołączone dane z fMRI prognozy lekarzy stają się dokładniejsze. Tutaj też uznano, że mamy remis ze wskazaniem na SI.
W październiku ubiegłego roku naukowcy z Harvard Medical School przeprowadzili eksperyment, w ramach którego dostępna online aplikacja miała na podstawie objawów diagnozować często występujące choroby. Okazało się, że dobre diagnozy stawia ona w zaledwie 34 proc. przypadków. Konkurujący z oprogramowaniem lekarze, a było ich 234, stawiali trafną diagnozę średnio w 72% przypadków. Ludzie zdecydowanie tutaj wygrali.
Na początku bieżącego roku algorytm SI trenowany przez uczonych z Uniwersytetu Stanforda zmierzył się z 21 dermatologami. Celem zawodów było odróżnienie całkowicie niewinnych zmian na skórze od łagodnych zmian nowotworowych. Sztuczna inteligencja sprawdziła się w tym zadaniu równie dobrze, co lekarze. Remis ogłoszono też podczas eksperymentu w Chinach, gdzie algorytm SI równie dobrze jak trzech oftalmologów zdiagnozował 50 dzieci pod kątem występowania u nich katarakty, oceny stopnia zaawansowania i opracowaniu planu leczenia.
AI wykazała za to swoją wyższość w lutym bieżącego roku, kiedy to algorytm stworzony na University of North Carolina z 81-procentową skutecznością przewidział, na podstawie skanów mózgu niemal 150 noworodków, u których z nich rozwinie się autyzm. Kwestionariusze behawioralne używane obecnie przez lekarzy mają jedynie 50-procentową skuteczność.
Niedługo później okazało się, że algorytmy lepiej przewidują też ryzyko zawału serca i udaru. SI wykazała się trafnością dochodzącą do 0,764 [trafność 1,0 oznacza 100-procentową dokładność - red.], a trafność przewidywań lekarzy sięgnęła 0,728. Innymi słowy, w testowej próbce 83 000 osób, z których z czasem 7404 osoby doświadczyły zawału lub udaru, SI przewidziała takie wydarzenie u 4998 osób, a lekarze u 4643. Różnica to 355 osób, u których dzięki diagnozie wspomaganej SI można by podjąć działania prewencyjne.
Niedawno słynny Watson zmierzył się z zespołem ekspertów, a stawką była diagnoza pacjenta z agresywnym nowotworem mózgu. Komputer oraz jego przeciwnicy otrzymali szczegółowy skan genomu pacjenta, a ich zadaniem było opracowanie planu leczenia. Watson przygotował taki plan w... 10 minut, podczas gdy ludzkiemu zespołowi zajęło to 160 godzin. Jednak trzeba tutaj ogłosić remis, gdyż Watson nie wpadł na pomysł poddania pacjenta eksperymentalnemu leczeniu, które lekarze ostatecznie uznali za najlepsze wyjście.
Remis ze wskazaniem na robota ogłoszono też w eksperymencie, podczas którego robot chirurgiczny miał za zadanie precyzyjne wycięcie określonego obszaru, bez naruszania otaczających tkanek. Robot wykonał swoją pracę dokładniej niż doświadczeni chirurdzy, jednak nie działał w pełni autonomicznie. Co prawda samodzielnie opracował plan operacji, ale wykorzystał przy tym znaczniki umieszczone na operowanym obszarze przez ludzi.
Komentarze (3)
Flaku, 7 listopada 2017, 17:36
Już czekam na taką dominację komputerów w dziedzinie medycyny, jaka wydarzyła się w szachach. Tam obecnie nawet najlepsi gracze na świecie nie próbują rywalizować z wyspecjalizowanymi programami, a od pokonania Kasparowa przez maszynę nie minęło nawet 20 lat.
thikim, 7 listopada 2017, 23:07
Nawet jak będzie komputer lepszy od wszystkich lekarzy naraz wziętych to i tak będzie gorszy bo nie będzie mógł strajkować ani związków tworzyć
A programista w przypadku błędu nie będzie mógł liczyć na solidarność zawodową z biegłym lekarzem powołanym przez sąd
radar, 11 listopada 2017, 00:31
Ciekawi mnie jak to wpłynie na ten sektor. Wiecie, w szachy mistrzem może być ktokolwiek, nawet maszyna. Niczego to nie dowodzi i nie zmienia. Można wykluczyć maszyny w zawodów (jak teraz) i mistrzem będzie człowiek (nieistotne jest o ile maszyna jest lepsza).
Co innego ze służbą zdrowia. Od tego zależy nasz komfort, zdrowie, a często życie. Musimy osiągać jak najlepsze wyniki, więc jeśli maszyna jest lepsza np. o 15-20%, na początek, to będziemy korzystać z maszyn.
No i właśnie, ciekawi mnie co się wtedy stanie? Po się męczyć 5 lat studiów, specjalizacje, rezydentura etc. jak potem pacjent i tak wybierze maszynę? Po co mam iść z gorączką do lekarza, a najpierw próbować się umawiać przez tel/www/app, potem stać kolejkach etc. jak można np:
odpalić aplikację (w domu, 24/7!), zeskanować/zbadać co trzeba, albo nasikać na co trzeba
, dostać trafniejszą diagnozę , pewnie od razu elektroniczną receptę, a dodatkowo pewnie nawet nie iść do apteki tylko Ci to za niewielką dopłatą (albo i nie) dostarczą do domu... i to dronem!
Czy służba zdrowia, bardzo ważna dla nas, nie doświadczy regresu? "Kilku" badaczy pewnie zostanie/będzie się pojawiać, ale czy to wystarczy?
Oczywiście nie chodzi mi tylko internistów, ale bardziej o wiedzę specjalistyczną. Już teraz na świecie jest po maks kilku bardzo doświadczonych badaczy/lekarzy z danej dziedziny, ale jak za 5 lat stracą pracę to kto pójdzie w ich ślady?
Kto zapłaci za nowe badania jak przez np. 10 lat maszyny i tak będą nieustannie lepsze? Gość się napracuje, odkryje jakąś nową zależność, a maszyna nauczy się tego "w kilka ms" i znowu lipa.