Następna generacja sztucznej inteligencji rozwija się w medycynie w szybkim tempie.

[reklama_1]

Pod koniec XX wieku pojawiła się sztuczna inteligencja, zaprogramowana przez inżynierów komputerowych na podstawie szeregu instrukcji (zasad) stworzonych przez człowieka, co pozwoliło technologii rozwiązywać podstawowe problemy.

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

Pierwsze pokolenie

Można sobie wyobrazić, że szkolenie AI na tym etapie przypomina podejście stosowane przez studentów medycyny; systemy AI uczą się setek algorytmów, które mają przełożyć objawy pacjenta na diagnozy. Jest to uważane za pierwszą generację systemów AI, która integruje zasady opieki zdrowotnej z systemami AI.

Dzięki aplikacjom opartym na sztucznej inteligencji lekarze otrzymują na bieżąco aktualizacje informacji medycznych.

Algorytmy decyzyjne są jak drzewo rosnące od pnia (problemu pacjenta) i od niego rozgałęziające się. Na przykład, jeśli pacjent skarży się na silny kaszel, lekarz najpierw sprawdzi, czy ma gorączkę. W zależności od tego, czy występuje gorączka, czy nie, zostaną zadane dwa zestawy pytań. Od pierwszej odpowiedzi pojawią się kolejne pytania o stan pacjenta. To z kolei prowadzi do dalszych rozgałęzień. Ostatecznie każda gałąź staje się diagnozą, która może obejmować bakteryjne, grzybicze lub wirusowe zapalenie płuc, raka, niewydolność serca lub szereg innych chorób płuc.

Ogólnie rzecz biorąc, pierwsza generacja sztucznej inteligencji potrafiła rozpoznawać problemy, ale nie potrafiła jeszcze analizować i klasyfikować dokumentacji medycznej. W rezultacie ta wczesna forma sztucznej inteligencji nie mogła być tak dokładna, 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 grupy 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 reguły predefiniowane przez naukowców, systemy drugiej generacji wykorzystują ogromne zbiory danych do rozróżniania wzorców, których identyfikacja zajęłaby ludziom bardzo dużo czasu.

W jednym z przykładów naukowcy wprowadzili tysiące mammogramów do systemu ANI, z których połowa wykazała obecność nowotworu złośliwego, a połowa – łagodnego. Model mógł natychmiast zidentyfikować dziesiątki różnic w rozmiarze, gęstości i odcieniach na zdjęciach rentgenowskich, przypisując każdej z nich współczynnik wpływu odzwierciedlający prawdopodobieństwo występowania nowotworu złośliwego. Co ważne, ten typ sztucznej inteligencji nie opiera się na domysłach (jakichś praktycznych regułach) jak ludzie, ale na subtelnych różnicach między zmianami złośliwymi a prawidłowymi, o których nie wiedzą ani radiolog, ani projektant oprogramowania.

W przeciwieństwie do sztucznej inteligencji opartej na regułach, narzędzia sztucznej inteligencji drugiej generacji czasami przewyższają intuicję lekarza w zakresie trafności diagnostycznej. Jednak ta forma sztucznej inteligencji ma również poważne ograniczenia. Po pierwsze, każda aplikacja ma określone zadanie. Oznacza to, że system przeszkolony w zakresie odczytywania mammografii nie potrafi interpretować skanów mózgu ani zdjęć rentgenowskich klatki piersiowej. Największym ograniczeniem sztucznej inteligencji (AI) jest to, że system działa poprawnie tylko wtedy, gdy dysponuje danymi, na których został przeszkolony. Wyraźnym przykładem tej słabości jest sytuacja, gdy UnitedHealthcare polegało na wąskiej sztucznej inteligencji (AI) w celu identyfikacji najsłabszych pacjentów i zapewnienia im dodatkowych usług medycznych. Podczas filtrowania danych naukowcy odkryli później, że sztuczna inteligencja przyjęła błędne założenie. Pacjenci byli diagnozowani jako zdrowi tylko dlatego, że ich dokumentacja medyczna wskazywała na niewielką opiekę medyczną, podczas gdy pacjenci, którzy otrzymali więcej opieki medycznej, byli niedoceniani pod względem stanu zdrowia…

Następna generacja sztucznej inteligencji pozwoli ludziom diagnozować choroby i planować leczenie tak, jak każdy lekarz. Obecnie narzędzie Google'a oparte na sztucznej inteligencji (MED-PALM2) 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 nie są jeszcze w stanie zastąpić lekarzy. Jednak biorąc pod uwagę obecne wykładnicze tempo wzrostu, oczekuje się, że aplikacje te staną się co najmniej 30-krotnie wydajniejsze w ciągu najbliższych pięciu lat. Przewiduje się, że przyszłe generacje narzędzi, takich jak ChatGPT, zapewnią każdemu dostęp do wiedzy medycznej, radykalnie zmieniając relacje między lekarzami a pacjentami.

Opracowane przez VIET LE

Źródło