Naj w AI #8 Przychodzisz do lekarza, a tam AI

AUTOR: Maciej Rubczyński – Head of Development | Big Data & AI Solutions Architect w TIDK

Zastosowania sztucznej inteligencji w medycynie nie są niczym nowym, już od wielu lat jednym z analizowanych problemów jest m.in. analiza obrazów medycznych w celu identyfikacji chorób. Czy istnieje jednak możliwość, że w przyszłości niektórzy lekarze zostaną w pełni zastąpieni przez algorytmy?

Problem diagnostyki medycznej z założenia jest problemem, z którym dobrze powinny radzić sobie algorytmy sztucznej inteligencji. Mamy ogromne wolumeny danych dotyczących parametrów życiowych pacjentów, mamy informacje o tym jakie diagnozy zostały na podstawie takich parametrów zdefiniowane.  Najlepsi lekarze diagności to tacy, którzy są zaznajomieni z wieloma przypadkami chorych i są w stanie wykryć zależności między nimi i powiązać z aktualnie badanym pacjentem. Jednocześnie, żaden człowiek nigdy nie dorówna możliwościom analizy dużych zbiorów danych algorytmom. Rozwiązania pozwalające na konsultacje diagnosty z systemem asystenta lekarza, opartego o algorytmy sztucznej inteligencji i mającego dostęp do ogromnych wolumenów danych medycznych, wydają się być naturalnym krokiem w przyszłość.

W ostatnich dniach Google Research opublikowało artykuł, w którym dochodzą do jeszcze bardziej rewolucyjnych wniosków. Zespół Google przygotował AMIE, Articulate Medical Intelligence Explorer. Jest to w założeniu rozwiązanie bazujące na dużych modelach językowych optymalizowane pod rozumowanie diagnostyczne i konwersacje w stylu lekarza diagnosty. Model był trenowany tak, by odzwierciedlać typowe konsultacje pacjenta z lekarzem, istotą więc jego docelowego działania jest więc nie tylko poprawność udzielonej diagnozy, ale empatyczne podejście w trakcie rozmowy.

Ocena skuteczności diagnoz została wykonana na 303 przypadkach z New England Journal of Medicine, przy pomocy 20 lekarzy diagnostów.  Zostali oni losowo podzieleni do dwóch grup, jedna z nich miała za zadanie najpierw wykonać diagnozę bez dodatkowych źródeł, a następnie z użyciem internetu, a druga zamiast internetu wykorzystywała AIME. Na podstawie tych 3 rodzajów diagnoz został stworzony zbiór, który następnie inni diagności, eksperci w diagnostyce, ocenili i wybrali złoty standard diagnoz, te z nich, które wg wiedzy eksperckiej powinny zostać ustalone.

Diagnozy zostały ostatecznie podzielone na cztery kategorie:

• W pierwszej kategorii diagnozy zostały postawione przez lekarzy bez użycia dodatkowych źródeł i bez dostępu do internetu.
• W drugiej mogli podeprzeć się wiedzą dostępną przez przeszukiwanie np. z Google.
• W trzeciej stawiali diagnozę ze wsparciem AIME, to lekarz decydował o diagnozie ale wykorzystywał AIME by przeprowadzić z systemem konwersacje dotyczącą przypadku.
• Czwarta kategoria to już diagnoza bez obecności lekarza. W tym miejscu decyzyjność spadała na Sztuczną Inteligencję, AIME było w pełni odpowiedzialne za końcowy rezultat.

Dla tak podzielonych diagnoz uzyskano rezultaty zgodne z poniższym wykresem:

Wyniki są więc rewolucyjne. Badania pokazały, ze najwyższą skuteczność można uzyskać wykorzystując sam AIME. Nawet lekarze, którzy wspierali się AIME, uzyskali gorszą skuteczność niż sam system od Google. Kluczowe jest oczywiście dalsze przetestowanie systemu na większej liczbie przypadków, natomiast wydaje się, że nie wykorzystując AI w medycynie bardzo dużo tracimy.

Źródło:

• https://blog.research.google/2024/01/amie-research-ai-system-for-diagnostic_12.html