Czytając o rozwiązaniach w medycynie, które będą dostępne w przyszłości, nie sposób nie natknąć się na wzmianki w zakresie zastosowania sztucznej inteligencji.
Dziedzina sztucznej inteligencji jest rozwijana od 1956 roku i od tego czasu wciąż wspiera medycynę. W ostatnim czasie odważne i innowacyjne teorie naukowe zaczynają przenikać do rzeczywistości.
Czym jest sztuczna inteligencja?
Rozważania snute wokół sztucznej inteligencji na arenie publicznej wymagają dookreślenia, czym ona jest i podania jej definicji. Obecnie skrót AI (ang. Artificial Intelligence) jest używane w kontekście wykonywania zadań przez komputery na poziomie takim samym lub lepszym niż ludzie.
Niemniej w ramach sztucznej inteligencji można wyróżnić kilka rodzajów. Nie wszystkie typy mogą znaleźć zastosowanie w medycynie. Większość rozwiązań związanych z komputerami, wykorzystywanych w dziedzinie medycznej nie opiera się na sztucznej inteligencji. Zasadą ich działania są raczej stworzone przez człowieka algorytmy, które służą do analizy informacji i prezentowania rekomendowanych metod.
Z kolei typ AI nazywany „machine learning” opiera się na tworzeniu neuronowych sieci komputerowych, które są systemami informatycznymi wzorowanymi na strukturze ludzkiego mózgu. Tego rodzaju rozwiązania obejmują wielopoziomową analizę prawdopodobieństwa, umożliwiając komputerom rozwijanie procesów. W efekcie, programy komputerowe same mogą tworzyć nowe rozwiązania.
Istnieje jeszcze jeden wariant AI, który nosi nazwę „deep learning”, gdzie oprogramowanie uczy się rozpoznawać wzory na wydzielonych powierzchniach. W zakresie medycyny wspomniany mechanizm staje się coraz bardziej przydatny. Umożliwia to rozpoznawanie koloru, wielkości i kształtu, a następnie prezentowanie zebranych informacji w postaci obrazu. Z innowacyjnymi narzędziami obrazowania naukowcy wiążą duże nadzieje, m.in. w zakresie rozpoznania raka.
Sztuczna inteligencja może być wykorzystywana na różne sposoby, ale żeby lepiej zrozumieć jej potencjał w medycynie warto skupić się na trzech polach – rozwiązaniach algorytmicznych, narzędziach wizualnych i medycznej praktyki.
Rozwiązania algorytmiczne
We współczesnej medycynie używamy określenia sztucznej inteligencji łącząc ją najczęściej z systemami informatycznymi działającymi w oparciu o algorytmy. Gromadzą one informacje zgodnie z tym, jak zostały zaprogramowane zapewniając pomoc naukowcom i lekarzom.
Kiedy użytkownik wstawia dane do algorytmów, system informatyczny może wydobywać odpowiednie informacje, na podstawie których zagadnienie lub problem zostaną rozwiązane. Jako przykład można wskazać na leczenie nowotworów. Używając algorytmów i danych (np. wieku pacjenta, danych na temat genów, stadium zaawansowania raka, problemów zdrowotnych), można otrzymać wykaz prawidłowych dawek, alternatywnych leków i rekomendowanych zestawień preparatów dla danego pacjenta.
Jednym z tego typu rozwiązań jest metoda opracowana przez zespół lekarzy koordynowany przez dr Gabriela Escobara. Zespół skupił się na pacjentach, którzy z powodu stanu zdrowia zostali przeniesieni na Oddział Intensywnej Terapii. Są to pacjenci wymagający intensywnej opieki medycznej, którzy mimo jej zapewnienia przez personel medyczny, są trzy- lub czterokrotnie bardziej narażone na zgon.
Dr Escobar we współpracy z dr Tracy Lieu i Dr Philip’em Madvig’iem zebrał dane od 650.000 hospitalizowanych pacjentów, z których 20.000 wymagało przeniesienia na Oddział Intensywnej Terapii. W toku badań zespół opracował analityczny model pozwalający na zidentyfikowanie ryzyka pogorszenia się stanu zdrowia u hospitalizowanych pacjentów w stopniu wymagającym przeniesienia na Oddział Intensywnej Terapii. Następnie algorytm został przez nich wprowadzony do systemu komputerowego, który kontynuował monitorowanie zdrowia hospitalizowanych pacjentów. Ostatecznie, zaprojektowano również alerty, które informują lekarzy o tym, że ryzyko pogorszenia się stanu pacjenta jest wysokie. Posiadając tego typu informacje personel medyczny może zareagować szybciej, co w dłuższej perspektywie prowadzi do zmniejszenia ryzyka zgonu pacjenta.
Narzędzia obrazowania
Narzędzia wizualne, zwane też narzędziami obrazowania, mają duży potencjał w zakresie diagnostyki i leczenia. W kilku badaniach prowadzonych niezależnie od siebie stwierdzono, że około 50 – 63% kobiet mieszkających w Stanach Zjednoczonych, które regularnie poddają się mammografii przez ponad 10 lat otrzymują przynajmniej jeden „fałszywy alarm”. W takich przypadkach badanie wykazuje obecność komórek rakowych, których w rzeczywistości nie ma. Problem w tym, że lekarze wykonujący badanie mogą mieć rozbieżne zdanie na temat stanu pacjentki.
Oprogramowanie rozpoznające strukturę tkanek, które może gromadzić i porównywać tysiące obrazów przy użyciu tych samych technik, których używają ludzie, jest o około 5 – 10% bardziej dokładne niż przeciętny lekarz. Różnica między precyzją człowieka, a cyfrowego oka zapewne będzie coraz większa, w związku ze stałym rozwojem technologii. Urządzenia stają się coraz lepsze, co wywiera korzystny wpływ na takie dziedziny, jak radiologia (CT, MRI, mammografia), patologia (badania mikroskopowe i cytologiczne), dermatologia (badanie zmian barwnikowych w kierunku rozwoju czerniaka) i okulistyka (badania w kierunku rozpoznania retinopatii cukrzycowej, chorób układu krążenia).
Zastosowanie sztucznej inteligencji w codziennej praktyce
Różnice w zamożności i popularności lekarzy nie wynikają wcale z ich wiedzy i poziomu inteligencji, ale z tego, jak podchodzą do problemów pacjenta oraz z tego, jakie wsparcie otrzymują od systemów opieki zdrowotnej. Dwa omówione wyżej rozwiązania w zakresie sztucznej inteligencji pomagają poprawić wyniki leczenia.
Pierwsze podejście jest związane z powstaniem oprogramowania umożliwiającego komputerom zrozumienie i interpretowanie ludzkiej mowy i pisma. Innowacyjne oprogramowanie pomaga analizować tysiące elektronicznych danych związanych z historią choroby, a także wybierać optymalne rozwiązania terapeutyczne. Drugie podejście polega na używaniu komputerów jako obserwatorów lekarzy w pracy, celem gromadzenia informacji medycznych, czyli swoistego uczenia się.
W San Francisco, Adrian Aoun prowadzi badania na temat tego, jak komputery mogą uczyć się medycyny od praktyków. Aoun dąży do wykorzystania sztucznej inteligencji do śledzenia krok po kroku czynności wykonywanych przez lekarzy, nie skupiając się na wydobywaniu i analizowaniu danych o historii choroby. Dotykowy ekran i funkcja rozpoznawania głosu powodują, że komputer nagrywa i analizuje czynności podejmowane przez najlepszych lekarzy. Wyniki pracy komputera przynoszą korzyści ich kolegom po fachu oraz pacjentom. W jego opinii, gdyby wszyscy lekarze dążyli do uzyskani poziomu reprezentowanego przez 20% najlepszych lekarzy w Stanach Zjednoczonych, liczba zgonów z powodu raka, zakażeń i chorób układu krążenia spadałaby znacznie z roku na rok.
Niestety, główną barierą dla sztucznej inteligencji nie jest matematyka, ale raczej to, że kultura medycyny opiera się na takich wartościach, jak intuicja lekarza, która jest uznawana za ważniejszą od innowacyjnych rozwiązań. Lekarze cenią swoją niezależność i nie lubią, jak mówi się im, co mają robić. Dlatego też komfort płynące z zastosowania maszyn z funkcją sztucznej inteligencji nie jest wystarczająco przekonujący dla lekarzy praktyków.
Zrozumieć strach przed sztuczną inteligencją
Dla firm rozwijających nowoczesne technologie w medycynie mają nadzieję, że rozwiązania typu roboty-pielęgniarki będą cieszyć się dużym zainteresowaniem wśród seniorów. Większość takich rozwiązań jest interesująca, ale nie na tyle, żeby wprowadzić je do rzeczywistości. Są to algorytmy, które nie zostały wyposażone w funkcje uczenia się. Dlatego też mogą one nie spełnić rynkowych oczekiwań.
Dla każdego przedsiębiorcy promującego AI jako kolejny przełom w medycynie oczywiste jest to, że tego typu rozwiązania mają przeciwników. Wiąże się to z obawą, że maszyny zastąpią częściowo lub nawet całkowicie ludzi. W opinii zwolenników sztucznej inteligencji obawy są związane głównie z science-fiction niż z rzeczywistością. Prawdą jest, że sztuczna inteligencja może pracować szybciej niż ludzka. Rozwój technologii AI przynosi więcej korzyści niż niebezpieczeństw.
Wystarczy zastanowić się nad tym, jak komputery wpłyną na rozwój diagnostyki i leczenia – prawdopodobnie przez kolejne 10 lat oprogramowanie stanie się tak niezbędne dla lekarzy jak stetoskop, do którego pierwotnie też podchodzono sceptycznie.
Jednocześnie trzeba zaakceptować trudną prawdę – jeżeli technologia zwiększa jakość i zmniejsza koszty opieki medycznej, niektóre zawody związane z opieką zdrowotną po prostu znikną. Według jednego badania sztuczna inteligencja może doprowadzić do zlikwidowania ponad 47% stanowisk pracy w ciągu 20 lat. Pracownicy umysłowi (ang. blue collars) i lekarze oraz inne medyczne zawody zaczynają odczuwać pewne obawy, które są z tym związane. Niestety, taka właśnie jest natura postępu. Nowoczesne rozwiązania powodujące poprawę jakości życia i obniżenie kosztów negatywnie wpływają na tych, którzy bazowali na starym modelu. Jako przykład można wskazać na Uber i Lyft, które wpłynęły na przemysł taksówkarski, albo robotyki na proces produkcji.
Nie ma wątpliwości co do tego, jak zmieni się rola lekarza w przyszłości. Na szczęście dla kadry medycznej, komputery jeszcze nie są w stanie zaoferować pacjentowi empatii i wrażliwości, której miliony pacjentów oczekują w ramach opieki medycznej.
Potencjał sztucznej inteligencji w medycynie i wiązane z nią nadzieje
Oczekuje się od przedsiębiorców i świata biznesu, że będą nadal inwestowały w rozwiązania związane ze sztuczną inteligencją przyczyniając się do ich rozwoju. Maszyny potrafiące uczyć się mają duży potencjał w dziedzinie medycyny i mogą istotnie wpłynąć na jej rozwój.
Gra planszowa „Go” stworzona w Chinach ok. 2500 lat temu, przeznaczona dla dwóch graczy polega na tym, że przeciwnicy próbują zająć większość terytorium, jest bardzo abstrakcyjna i skomplikowana, a gracze mają wiele możliwości ruchów. Jej stopień trudności pozwalał wierzyć, że komputer nigdy nie będzie w stanie prześcignąć człowieka z uwagi na jego zdolności umysłowe. Ten mit został jednak obalony w 2015 r., kiedy AlphaGo – program stworzony przez zespół Google Deepmind – pokonał Lee Se-dola, który posiadał tytuł jednego z czołowych graczy świata w tej grze.
Najciekawsze jest to, w jaki sposób AlphaGo to osiągnął. W przeciwieństwie do Deep Blue marki IBM, który pokonał mistrza szachów Garry’ego Kasparova w 1997 r., AlphaGo nie uczył się poprzez obserwowanie ludzi i powtarzanie wyuczonych ruchów. AlphaGo może uczyć się zasad od człowieka, ale wybór ruchów i sposób gry pozostaje w zakresie jego dyspozycyjności. Tego typu programy reprezentujące wyższy stopień zaawansowania mogą storpedować środowisko medyczne w przyszłości pomagając w zapewnieniu najlepszej opieki zdrowotnej, tworząc nowe metody diagnozy i terapii, bez zbędnych uprzedzeń charakterystycznych dla ludzkiego umysłu.
Tego rodzaju postęp przyniesie wkrótce medycznym organizacjom zintegrowane rozwiązania możliwe do wykorzystania. Przewiduje się, że w pierwszej kolejności pojawią się aplikacje na smartfony i tablety, a następnie roboty przeznaczone dla indywidualnych pacjentów.
Z czasem pacjenci będą mogli używać różnych rodzajów narzędzi sztucznej inteligencji, tak jak używają dziś innych aplikacji i urządzeń. Być może nie nastąpi to szybko. Wystarczy spojrzeć na technologię samochodów wyposażonych w funkcję self-driving, która jest rozwijana od lat 50. ubiegłego wieku. Niemniej kiedyś w przyszłości – później niż sądzą przedsiębiorcy i wcześniej niż oczekują lekarze, sztuczna inteligencja zmieni opiekę zdrowotną. Tego możemy być pewni.