Kai algoritmas mato tai, ko nepamato akis
Įsivaizduokite radiologą, kuris per dieną peržiūri šimtus rentgeno nuotraukų. Po aštuntos valandos jo dėmesys blėsta, akys pavargsta, o smulkios detalės pradeda slysti pro pirštus. Tai ne kritika – tai žmogaus biologija. Ir būtent čia dirbtinis intelektas pradeda daryti tai, kas dar prieš dešimtmetį atrodė kaip mokslinė fantastika.
Šiandien DI sistemos, apmokytosios milijonais medicininių vaizdų, geba aptikti ankstyvuosius naviko požymius su tikslumu, kuris gydytojus priverčia sustoti ir permąstyti savo vaidmenį diagnostikoje.
Skaičiai, kurie kalba patys už save
2020 metais Nature žurnale paskelbtas tyrimas parodė, kad „Google DeepMind” sukurta sistema krūties vėžį nustatė tiksliau nei šeši patyrę radiologai kartu. Ji generavo mažiau klaidingai teigiamų rezultatų ir praleido mažiau tikrų atvejų. Panašūs rezultatai fiksuojami ir plaučių, odos, storosios žarnos vėžio diagnostikoje.
Odos vėžio srityje Stanford universiteto tyrėjai sukūrė algoritmą, kuris melanomą atpažino taip pat tiksliai kaip dermatologai, turintys daugiau nei dvidešimties metų patirtį. Ir tai darė per kelias sekundes, peržiūrėjęs nuotrauką.
Svarbu suprasti, kodėl taip vyksta. DI nemoka pavargti. Jis neturi blogų dienų. Ir svarbiausia – jis mokosi iš klaidų greičiau nei bet kuris žmogus.
Kaip tai veikia praktiškai
Didžioji dalis šių sistemų remiasi giliuoju mokymusi – technologija, kuri imituoja žmogaus smegenų neuroninių tinklų veikimą. Sistema „mato” tūkstančius vėžinių ir nevėžinių audinių vaizdų, kol išmoksta atpažinti modelius, kurie žmogaus akiai atrodo identiški.
Lietuvoje ir kitose Baltijos šalyse šios technologijos dar tik skynasi kelią į klinikinius procesus, tačiau Vakarų Europoje ir JAV jos jau integruojamos į kasdienę diagnostiką. Pavyzdžiui, Jungtinėje Karalystėje NHS sistema naudoja DI kaip antrą akį radiologams – algoritmas pažymi įtartinas vietas, o galutinį sprendimą vis dar priima žmogus.
Ir tai yra esminis dalykas: kol kas kalbame ne apie gydytojų pakeitimą, o apie jų sustiprinimą.
Tai, ko dar nesuprantame
Viskas skamba puikiai, bet yra niuansų. DI sistemos kartais klysta dėl vadinamojo „duomenų šališkumo” – jei sistema apmokyta daugiausia ant šviesiaodžių pacientų vaizdų, ji gali prasčiau atpažinti vėžį tamsesnės odos žmonėms. Tai rimta problema, kurią mokslininkai aktyviai sprendžia.
Be to, kyla etinių klausimų: kas atsako, jei algoritmas klysta? Gydytojas? Programuotojas? Ligoninė? Teisinė bazė čia dar gerokai atsilieka nuo technologijų.
Rytoj prasideda šiandien
Dirbtinis intelektas vėžio diagnostikoje nėra ateities muzika – jis jau veikia, jau gelbsti gyvybes ir jau keičia tai, kaip mes suprantame medicinos ribas. Ankstyvoji diagnostika yra vienas svarbiausių faktorių išgyvenamumui, o DI šioje srityje demonstruoja rezultatus, kurių negalima ignoruoti.
Tai nereiškia, kad gydytojai taps nereikalingi. Tai reiškia, kad geriausi gydytojai rytoj bus tie, kurie mokės dirbti kartu su šiais įrankiais – ne prieš juos ir ne bijodami jų. Medicina visada keitėsi kartu su technologijomis: nuo stetoskopo iki MRT. DI – tik kitas žingsnis šioje kelionėje, tik šį kartą žingsnis yra neįprastai didelis.
