Nästa generations AI utvecklas i snabb takt inom medicinen.

[annons_1]

I slutet av 1900-talet framkom AI, programmerad av dataingenjörer baserat på en serie mänskligt skapade instruktioner (regler), vilket gjorde det möjligt för tekniken att lösa grundläggande problem.

Redaktörens anmärkning: Många branscher påverkas av ny teknik i informationsåldern. Med effekterna av automatisering, datavetenskap och artificiell intelligens (AI) är enheter som läkare, sjukhus, försäkringsbolag och vårdrelaterade branscher inget undantag. Men inom hälso- och sjukvården har AI haft en mer positiv inverkan än i andra branscher.

Första generationen

Man kan föreställa sig att AI-utbildning i detta skede liknar den metod som läkarstudenter använder; AI-system lärs ut hundratals algoritmer för att översätta patientsymtom till diagnoser. Detta anses vara den första generationen som integrerar hälsovårdsprinciper i AI-system.

AI-drivna applikationer gör det möjligt för läkare att få uppdateringar om medicinsk information i realtid.

Beslutsalgoritmer är som ett träd som växer, med början i stammen (patientens problem) och förgrenar sig därifrån. Om en patient till exempel klagar över kraftig hosta, kommer läkaren först att kontrollera om patienten har feber. Det kommer att finnas två uppsättningar frågor beroende på om det finns feber eller inte. Från det första svaret kommer ytterligare frågor om patientens tillstånd att uppstå. Detta leder i sin tur till ytterligare förgreningar. I slutändan blir varje gren en diagnos, som kan variera från bakteriell, svamp- eller viral lunginflammation till cancer, hjärtsvikt eller en mängd andra lungsjukdomar.

Sammantaget kunde den första generationen av AI identifiera problem men ännu inte analysera och klassificera patientjournaler. Som ett resultat kunde denna tidiga form av artificiell intelligens inte vara lika exakt som läkare som kombinerar medicinsk vetenskap med sin intuition och erfarenhet. Och på grund av dessa begränsningar användes regelbaserad AI sällan i klinisk praxis vid andra tillfällen.

Fullständig automatisering

I början av 2000-talet inleddes den andra eran av AI med Artificial Narrow Intelligence (ANI), eller artificiell intelligens som löser specifika uppgiftsgrupper. Tillkomsten av neurala nätverk som efterliknar den mänskliga hjärnans struktur banade väg för djupinlärningsteknik. ANI fungerar väldigt annorlunda än sina föregångare. Istället för att tillhandahålla regler som är fördefinierade av forskare använder andra generationens system massiva datamängder för att urskilja mönster som det skulle ta människor mycket lång tid att identifiera.

I ett exempel matade forskare in tusentals mammografibilder i ett ANI-system, varav hälften visade malign cancer och hälften visade godartad cancer. Modellen kunde omedelbart identifiera dussintals skillnader i storlek, densitet och skuggning i röntgenbilderna och tilldela varje skillnad en påverkansfaktor som återspeglar sannolikheten för malignitet. Viktigt är att denna typ av AI inte förlitar sig på gissningar (vissa tumregler) som människor gör, utan istället på subtila variationer mellan maligna och normala fynd som varken radiologen eller mjukvaruutvecklaren är medvetna om.

Till skillnad från regelbaserad AI överträffar andra generationens AI-verktyg ibland en läkares intuition i diagnostisk noggrannhet. Denna form av artificiell intelligens uppvisar dock också allvarliga begränsningar. För det första har varje applikation en specifik uppgift. Det innebär att ett system som är tränat att läsa mammografi inte kan tolka hjärnskanningar eller lungröntgen. Den största begränsningen med ANI är att systemet bara fungerar bra när det har data det har tränats på. Ett tydligt exempel på denna svaghet är när UnitedHealthcare förlitade sig på smal AI för att identifiera de svagaste patienterna och förse dem med ytterligare medicinska tjänster. Vid filtrering av data upptäckte forskare senare att AI:n hade gjort ett skadligt antagande. Patienter diagnostiserades som friska helt enkelt för att deras journaler indikerade att de fick lite medicinsk vård, medan patienter som fick mer medicinsk vård underskattades vad gäller hälsa...

Nästa generations AI kommer också att göra det möjligt för människor att diagnostisera sjukdomar och planera behandlingar precis som vilken läkare som helst. För närvarande har Googles AI-genererade verktyg (MED-PALM2) klarat läkarexamen med en expertpoäng. Många andra medicinska AI-verktyg kan nu skriva diagnoser som liknar läkares. Dessa modeller kräver dock fortfarande läkarövervakning och kan ännu inte ersätta läkare. Men med den nuvarande exponentiella tillväxttakten förväntas dessa applikationer bli minst 30 gånger kraftfullare under de kommande fem åren. Det förutspås att framtida generationer av verktyg som ChatGPT kommer att ge medicinsk expertis till alla, vilket fundamentalt förändrar relationen mellan läkare och patienter.

Första generationen

Fullständig automatisering

Kommentar (0)