W medycynie szybko rozwijają się generacje sztucznej inteligencji

[reklama_1]

Sztuczna inteligencja (SI) została zaprogramowana przez inżynierów komputerowych pod koniec XX wieku i powstała w oparciu o zestaw instrukcji (reguł) stworzonych przez ludzi, dzięki czemu technologia mogła rozwiązywać podstawowe problemy.

Uwaga redaktora: W erze informacji nowe technologie wpływają na wiele branż. W obliczu automatyzacji, informatyki i sztucznej inteligencji (AI), branże takie jak lekarze, szpitale, firmy ubezpieczeniowe i branże związane z opieką zdrowotną nie są wyjątkiem. W szczególności w sektorze opieki zdrowotnej AI ma bardziej pozytywny wpływ niż inne branże.

Pierwsze pokolenie

Sposób, w jaki obecnie szkoli się sztuczną inteligencję, można porównać do podejścia stosowanego przez studentów medycyny. Systemy sztucznej inteligencji uczą się setek algorytmów, które pozwalają im tłumaczyć objawy pacjentów na diagnozy. Jest to uważane za pierwszą generację reguł opieki zdrowotnej, które zostały włączone do systemów sztucznej inteligencji.

Aplikacje oparte na sztucznej inteligencji pomagają lekarzom aktualizować informacje w czasie rzeczywistym

Algorytmy decyzyjne rosną jak drzewo, zaczynając od pnia (problemu pacjenta) i rozgałęziając się od niego. Na przykład, jeśli pacjent skarży się na silny kaszel, lekarz najpierw zapyta, czy ma gorączkę. Będą dwa zestawy pytań: gorączka/brak gorączki. Pierwsze odpowiedzi doprowadzą do dalszych pytań o stan zdrowia. To z kolei doprowadzi do dalszych odgałęzień. Wreszcie, każde odgałęzienie to diagnoza, która może obejmować bakteryjne, grzybicze lub wirusowe zapalenie płuc, raka, niewydolność serca lub dziesiątki innych chorób płuc.

Ogólnie rzecz biorąc, pierwsza generacja sztucznej inteligencji potrafiła rozpoznawać problemy, ale nie potrafiła analizować i klasyfikować dokumentacji medycznej. W rezultacie wczesne formy sztucznej inteligencji nie były tak dokładne, jak lekarze łączący wiedzę medyczną z intuicją i doświadczeniem. Z powodu tych ograniczeń, sztuczna inteligencja oparta na regułach była rzadko wykorzystywana w praktyce klinicznej w innych okresach.

Pełna automatyzacja

Na początku XXI wieku rozpoczęła się druga era sztucznej inteligencji (AI) wraz z pojawieniem się sztucznej inteligencji wąskiej (ANI), czyli sztucznej inteligencji rozwiązującej określone zestawy zadań. Pojawienie się sieci neuronowych naśladujących strukturę ludzkiego mózgu utorowało drogę technologii głębokiego uczenia (deep learning). ANI działa zupełnie inaczej niż jej poprzednicy. Zamiast dostarczać z góry ustalone reguły przez naukowców, systemy drugiej generacji wykorzystują ogromne zbiory danych do rozpoznawania wzorców, których analiza zajęłaby ludziom dużo czasu.

W jednym z przykładów naukowcy wprowadzili do systemu ANI tysiące mammogramów, z których połowa wykazała nowotwory złośliwe, a połowa łagodne. Model był w stanie natychmiast zidentyfikować dziesiątki różnic w rozmiarze, gęstości i odcieniu mammogramów, przypisując każdej z nich współczynnik wpływu odzwierciedlający prawdopodobieństwo występowania nowotworu złośliwego. Co ważne, ten typ sztucznej inteligencji nie opiera się na heurystyce (regułach praktycznych) jak ludzie, lecz na subtelnych różnicach między badaniami nowotworu złośliwego a prawidłowego, nieznanych zarówno radiologowi, jak i projektantowi oprogramowania.

W przeciwieństwie do sztucznej inteligencji opartej na regułach, narzędzia sztucznej inteligencji drugiej generacji czasami przewyższają ludzką intuicję pod względem dokładności diagnostycznej. Jednak ta forma sztucznej inteligencji ma również poważne ograniczenia. Po pierwsze, każda aplikacja jest specyficzna dla danego zadania. Oznacza to, że system przeszkolony do odczytywania mammogramów nie potrafi interpretować skanów mózgu ani zdjęć rentgenowskich klatki piersiowej. Największym ograniczeniem sztucznej inteligencji (ANI) jest to, że system jest tak dobry, jak dane, na których został przeszkolony. Wyraźnym przykładem tej słabości było to, gdy UnitedHealthcare polegało na wąskiej sztucznej inteligencji (AI) w celu identyfikacji najciężej chorych pacjentów i oferowania im dodatkowych usług medycznych. Kiedy naukowcy przeszukali dane, odkryli, że sztuczna inteligencja poczyniła szkodliwe założenie. Pacjenci byli diagnozowani jako zdrowi po prostu dlatego, że otrzymali niewiele opieki medycznej w swojej dokumentacji medycznej, podczas gdy pacjenci, którzy korzystali z dużej ilości opieki medycznej, byli oceniani jako niezdrowi.

Przyszłe generacje sztucznej inteligencji umożliwią ludziom diagnozowanie chorób i planowanie leczenia tak, jak każdy lekarz. Obecnie narzędzie oparte na sztucznej inteligencji (MED-PALM2 firmy Google) zdało egzamin licencyjny dla lekarzy z wynikiem eksperckim. Wiele innych medycznych narzędzi opartych na sztucznej inteligencji potrafi teraz stawiać diagnozy podobnie jak lekarze. Jednak modele te nadal wymagają nadzoru lekarskiego i prawdopodobnie nie zastąpią lekarzy. Jednak biorąc pod uwagę obecne wykładnicze tempo wzrostu, oczekuje się, że aplikacje te staną się co najmniej 30-krotnie potężniejsze w ciągu najbliższych 5 lat. Przewiduje się, że przyszłe generacje narzędzi, takich jak ChatGPT, oddadzą wiedzę medyczną w ręce każdego, fundamentalnie zmieniając relację lekarz-pacjent.

Opracowane przez VIET LE

Źródło