דורות של בינה מלאכותית מתפתחים במהירות ברפואה

הבינה המלאכותית, שתוכנתה על ידי מהנדסי מחשבים בסוף המאה ה-20, נולדה על סמך סט של הוראות (כללים) שנוצרו על ידי בני אדם, ומאפשרת לטכנולוגיה לפתור בעיות בסיסיות.

הערת העורך: ישנן תעשיות רבות המושפעות מטכנולוגיות חדשות בעידן המידע. עם השפעת האוטומציה, מדעי המחשב, בינה מלאכותית (AI), נושאים כמו רופאים, בתי חולים, חברות ביטוח ותעשיות הקשורות לשירותי בריאות אינם יוצאים מן הכלל. אך בפרט, בתחום הבריאות , לבינה מלאכותית יש השפעה חיובית יותר מאשר תעשיות אחרות.

דור ראשון

ניתן לדמיין את אופן האימון של בינה מלאכותית כדומה לגישתם של סטודנטים לרפואה, מערכות בינה מלאכותית לומדות גם מאות אלגוריתמים כדי לתרגם תסמיני מטופלים לאבחנות. זהו הדור הראשון של כללי בריאות ששולבו במערכות בינה מלאכותית.

יישומי בינה מלאכותית גנרטיביים עוזרים לרופאים לעדכן מידע בזמן אמת

אלגוריתמים של קבלת החלטות צומחים כמו עץ, מתחילים מהגזע (הבעיה של המטופל) ומשם מסתעפים. לדוגמה, אם מטופל מתלונן על שיעול חזק, הרופא ישאל תחילה אם יש לו חום. יהיו שתי קבוצות של שאלות, חום/אין חום. התשובות הראשוניות יובילו לשאלות נוספות על המצב. זה יוביל לענפים נוספים. לבסוף, כל ענף הוא אבחנה, שיכולה לנוע בין דלקת ריאות חיידקית, פטרייתית או ויראלית ועד לסרטן, אי ספיקת לב או עשרות מחלות ריאה אחרות.

באופן כללי, הדור הראשון של בינה מלאכותית יכל לזהות בעיות אך לא לנתח ולסווג רשומות רפואיות. כתוצאה מכך, צורות מוקדמות של בינה מלאכותית לא יכלו להיות מדויקות כמו רופאים ששילבו את מדע הרפואה עם האינטואיציה והניסיון שלהם. ובגלל מגבלות אלו, בינה מלאכותית מבוססת כללים כמעט ולא שימשה בפועל הקליני בזמנים אחרים.

אוטומציה מלאה

בתחילת המאה ה-21, העידן השני של הבינה המלאכותית החל עם בינה מלאכותית צרה (ANI), או בינה מלאכותית הפותרת קבוצות ספציפיות של משימות. הופעתן של רשתות עצביות המחקות את מבנה המוח האנושי סללה את הדרך לטכנולוגיית למידה עמוקה. ANI פועלת בצורה שונה מאוד מקודמותיה. במקום לספק כללים מוגדרים מראש על ידי חוקרים, מערכות דור שני משתמשות במערכי נתונים עצומים כדי להבחין בדפוסים שייקחו לבני אדם זמן רב לעשות.

בדוגמה אחת, חוקרים הזינו מערכת ANI באלפי ממוגרפיות, שמחציתן הראו סרטן ממאיר ומחציתן הראו סרטן שפיר. המודל הצליח לזהות באופן מיידי עשרות הבדלים בגודל, בצפיפות ובגוון של הממוגרפיות, תוך הקצאת גורם שקלול לכל הבדל ששיקף את הסבירות לגידול ממאיר. חשוב לציין, שסוג זה של בינה מלאכותית אינו מסתמך על היוריסטיקות (כללי אצבע) כמו בני אדם, אלא מסתמך על שינויים עדינים בין בדיקות ממאירות לבדיקות תקינות, שגם הרדיולוגים וגם מעצבי התוכנה אינם מודעים להם.

בניגוד לבינה מלאכותית מבוססת כללים, כלי בינה מלאכותית מהדור השני לעיתים עולים על האינטואיציה האנושית בדיוק האבחוני. עם זאת, צורה זו של בינה מלאכותית מציגה גם מגבלות חמורות. ראשית, כל יישום הוא ספציפי למשימה. כלומר, מערכת שאומנה לקרוא ממוגרפיה אינה יכולה לפרש סריקות מוח או צילומי רנטגן של חזה. המגבלה הגדולה ביותר של בינה מלאכותית היא שהמערכת טובה רק כמו הנתונים עליהם אומנה. דוגמה מובהקת לחולשה זו היא כאשר UnitedHealthcare הסתמכה על בינה מלאכותית צרה כדי לזהות את החולים החולים ביותר ולהציע להם שירותים רפואיים נוספים. כאשר החוקרים סיננו את הנתונים, הם גילו מאוחר יותר שהבינה המלאכותית הניחה הנחה הרת אסון. חולים אובחנו כבריאים פשוט משום שהרשומות הרפואיות שלהם הראו שקיבלו מעט טיפול רפואי, בעוד שחולים שהשתמשו בשירותים רפואיים רבים דורגו כלא בריאים.

דורות עתידיים של בינה מלאכותית יאפשרו גם לאנשים לאבחן מחלות ולתכנן טיפולים בדיוק כמו כל רופא. נכון לעכשיו, כלי בינה מלאכותית גנרטיבי (MED-PALM2 של גוגל) עבר את בחינת רישוי הרופאים עם ציון מומחה. כלי בינה מלאכותית רפואיים רבים אחרים יכולים כעת לכתוב אבחנות בדומה לרופאים. עם זאת, מודלים אלה עדיין דורשים פיקוח רפואי ואינם מסוגלים להחליף רופאים. אך עם קצב הצמיחה האקספוננציאלי הנוכחי, יישומים אלה צפויים להפוך לחזקים פי 30 לפחות בחמש השנים הקרובות. דורות עתידיים של כלים כמו ChatGPT צפויים להעביר את המומחיות הרפואית לידי כולם, וישנו באופן מהותי את מערכת היחסים בין רופא לחולה.

נערך על ידי VIET LE

מָקוֹר: https://www.sggp.org.vn/cac-the-he-ai-phat-trien-than-toc-trong-y-hoc-post732196.html