Lahko bi vam oprostili, da mislite, da bo AI kmalu zamenjal človeške zdravnike na podlagi naslovov, kot so "AI zdravnik se bo videl zdaj", "Vaš bodoči zdravnik morda ne bo človek" in "Ta AI samo premaga človeške zdravnike na kliničnem izpitu "Vendar strokovnjaki trdijo, da je resničnost bolj kolaboracija kot izpad: pacienti bi lahko kmalu našli življenje delno v rokah služb AI, ki delujejo skupaj s človeškimi kliniki.
V zdravniški skupnosti ne manjka optimizma glede AI. Vendar mnogi opozarjajo, da je hype okoli AI še treba uresničiti v resničnih kliničnih okoljih. Obstajajo tudi različne vizije, kako bi lahko storitve AI naredile največji vpliv. In še vedno ni jasno, ali bo AI izboljšala življenje pacientov ali pa je le osnovna točka za podjetja iz Silicijeve doline, zdravstvene organizacije in zavarovalnice.
"Mislim, da bi morali vsi naši pacienti dejansko želeti, da se AI tehnologije spoprijemajo s pomanjkljivostmi zdravstvenega sistema, vendar to moramo storiti na hype način, ki ni v Silicijevi dolini, " pravi Isaac Kohane, raziskovalec biomedicinske informatike pri Harvard Medical School.
Če AI deluje, kot je bilo obljubljeno, bi lahko demokratiziralo zdravstveno varstvo s povečanjem dostopa do podhranjenih skupnosti in zniževanjem stroškov - blaginja v Združenih državah Amerike, ki se po številnih zdravstvenih ukrepih uvršča slabo kljub povprečnim letnim stroškom zdravstvenega varstva 10, 739 dolarja na osebo. AI sistemi bi lahko sprostili prekomerno zaposlene zdravnike in zmanjšali tveganje za medicinske napake, ki lahko vsako leto ubijejo več deset, če ne več sto tisoč pacientov v ZDA. In v mnogih državah, kjer primanjkuje zdravnikov, na primer na Kitajskem, kjer lahko na prenaseljenih urbanih bolnišnicah dnevno obišče do 10.000 ljudi, takšne tehnologije ne potrebujejo popolne natančnosti, da bi bile koristne.
Vendar kritiki poudarjajo, da bi vse obljube lahko izginile, če bi naglica k izvajanju AI poteptala pravice do zasebnosti pacientov, spregledala pristranskosti in omejitve ali ne bi uvedla storitev na način, ki bi izboljšal zdravstvene rezultate večine ljudi.
"Na enak način, kot bi tehnologije lahko zapolnile nesorazmerja, lahko še poslabšajo razlike, " pravi Jayanth Komarneni, ustanovitelj in predsednik projekta Human Diagnosis Project (Human Dx), korporacije za javno korist, ki se osredotoča na obsežno medicinsko strokovno znanje. "In nič ne more poslabšati razlik, kot je AI."
***
Danes sta najbolj priljubljeni AI tehniki strojno učenje in njegova mlajša sestrična, globoko učenje. Za razliko od računalniških programov, ki dosledno upoštevajo pravila, ki jih je napisal človek, lahko algoritmi strojnega učenja in poglobljenega učenja pogledajo nabor podatkov, se učijo iz njega in oblikujejo nove napovedi. Zlasti poglobljeno učenje lahko naredi impresivne napovedi z odkrivanjem podatkovnih vzorcev, ki jih ljudje morda pogrešajo.
A da bi te napovedi v zdravstvu kar najbolje izkoristili, AI tega ne morem opraviti sam. Ljudje morajo še vedno pomagati pri odločitvah, ki imajo lahko velike zdravstvene in finančne posledice. Ker sistemi AI nimajo splošne človeške inteligence, lahko dajo osupljive napovedi, ki bi se lahko izkazale za škodljive, če bi jim zdravniki in bolnišnice brez dvoma sledili.
Klasičen primer prihaja od Rich Caruane, višjega raziskovalca pri Microsoftovem raziskovanju, kot je pojasnil lani v reviji Engineering and Technology. Caruana je v devetdesetih letih delala na projektu, ki je poskusil z uporabo starejše oblike strojnega učenja predvideti, ali je bolnik s pljučnico nizko tvegan ali visoko tvegan. Toda težave so se pojavile, ko je model strojnega učenja poskušal napovedati primer obolelih za astmo, ki so zelo ogroženi, ker zaradi predhodnih težav z dihanjem postanejo ranljivi za pljučnico. Model je te bolnike označil za nizko ogrožene, zahtevajo manjši poseg namesto hospitalizacije - nekaj, kar človeški strokovnjak nikoli ne bi storil.
Če slepo sledite modelu, pravi Kenneth Jung, znanstveni sodelavec v Stanfordskem centru za raziskovanje biomedicinske informatike, "potem vam bo uspelo. Ker manekenka pravi: "O, ta otrok z astmo je prišel in je imel pljučnico, vendar nam ni treba skrbeti za njih in jih pošiljamo domov z nekaj antibiotikov."
Predvidevanja poglobljenega učenja lahko tudi ne uspejo, če se prvič srečajo z nenavadnimi podatkovnimi točkami, na primer edinstvenimi medicinskimi primeri, ali ko se naučijo posebnih vzorcev v določenih naborih podatkov, ki se ne posplošujejo na nove medicinske primere.
Napovedi AI se najbolje obnesejo pri množičnih zbirkah podatkov, na primer na Kitajskem, ki ima prednost pri usposabljanju AI sistemov zahvaljujoč dostopu do velike populacije in podatkov o bolnikih. V februarju je revija Nature Medicine objavila študijo raziskovalcev s sedežem v San Diegu in Guangzhou na Kitajskem, ki je pokazala obljubo pri diagnosticiranju številnih pogostih otroških bolezni na podlagi elektronskih zdravstvenih kartotek več kot 567.000 otrok.
Toda tudi velike množice podatkov lahko predstavljajo težave, zlasti ko raziskovalci skušajo uporabiti svoj algoritem na novi populaciji. V študiji Nature Medicine je vseh pol milijona pacientov prišlo iz enega medicinskega centra v Guangzhouu, kar pomeni, da ni nobenega zagotovila, da bi se diagnostične izkušnje, pridobljene iz usposabljanja na tem naboru podatkov, uporabljale za pediatrične primere drugje. Vsak zdravstveni center lahko pritegne svoj edinstven nabor bolnikov - bolnišnica, ki je znana po srčno-žilnem centru, lahko pritegne tudi bolj kritična srčna stanja. Ugotovitve bolnišnice v Guangzhouu, ki večinoma privabljajo kitajske kitajske bolnike, se v Šanghaju ne morejo preusmeriti z večjim številom tujcev, ki niso rojeni iz tujine.
V tem pogovoru o TEDx 2017 Shinjini Kundu iz bolnišnice Johns Hopkins pojasnjuje, kako lahko orodja AI zberejo več iz zdravstvenih slik kot zdravniki sami - vključno s napovedovanjem bolezni, preden bolniki pokažejo simptome.
Ta ekstrapolacija se bo izkazala za težko tudi v drugih situacijah. Na primer, pravi Marzyeh Ghassemi, računalničar in biomedicinski inženir na univerzi v Torontu, pravi, da imate v medicinskem centru Beth Israel Deaconess 40.000 bolnikov na oddelku zdravja - to je le ena bolnišnica v enem mestu. "In tako imam vse te dokumente, ki so s temi podatki napovedovali. Ali to sodeluje z drugo bolnišnico v Bostonu? Mogoče. Ali to deluje za bolnišnico v drugi državi? Bi delovalo v drugi državi? Ne vemo. "
***
Čeprav modeli AI morda ne delujejo v vsakem primeru, Ghassemi meni, da je tehnologijo še vedno vredno raziskati. "Zelo sem naklonjena temu, da bi te modele odnesla s klopi na posteljo, " pravi, "vendar z resnično agresivnimi koraki."
Ti koraki morajo obstajati ves čas razvoja in uvajanja AI, pravi I. Glenn Cohen, profesor prava na univerzi Harvard in vodja projekta Projekt o natančni medicini, umetni inteligenci in zakonu. To lahko vključuje preverjanje natančnosti in preglednosti predvidevanj AI. Med zbiranjem podatkov bodo raziskovalci morali varovati tudi zasebnost pacientov in zaprositi za soglasje za uporabo podatkov o pacientih za usposabljanje AI
Vprašanje soglasja se ponovno pojavi, ko je model AI pripravljen na eksperimentalno klinično testiranje z resničnimi pacienti. "Ali je treba pacientom povedati, da uporabljate algoritem na njih, in ali je pomembno, ali AI popolnoma vodi oskrbo ali delno usmerja oskrbo?" Se sprašuje Cohen. "O teh vprašanjih se res malo razmišlja."
Ghassemi se zavzema tudi za pogosto revizijo algoritmov AI, da se zagotovi poštenost in natančnost pri različnih skupinah ljudi na podlagi narodnosti, spola, starosti in zdravstvenega zavarovanja. To je pomembno glede na to, kako so aplikacije AI na drugih področjih že pokazale, da zlahka sprejemajo pristranskost.
Po vseh teh korakih bodo morali ljudje in podjetja, ki nudijo storitve AI, razrešiti pravno odgovornost v primeru neizogibnih napak. In za razliko od večine medicinskih pripomočkov, ki običajno potrebujejo le eno regulativno odobritev, lahko storitve AI zahtevajo dodaten pregled, kadar koli se naučijo iz novih podatkov.
Nekatere regulativne agencije ponovno razmišljajo o tem, kako oceniti AI v zdravstvu. Aprila je ameriška uprava za hrano in zdravila (FDA) objavila dokument za razpravo, da bi pridobila povratne informacije javnosti o tem, kako posodobiti ustrezen pregled zakonodaje. "Kar si nenehno poskušamo narediti, se je vrniti k našemu cilju, da ljudem omogočimo dostop do tehnologij, vendar tudi zavedamo se, da naše trenutne metode ne delujejo dobro, " pravi Bakul Patel, direktor digitalnega zdravja pri FDA "Zato moramo pogledati celostni pristop celotnega življenjskega cikla izdelka."
Poleg vprašanj, povezanih z dostopom, zasebnostjo in predpisi, ni prav tako jasno, kdo naj koristi od zdravstvenih storitev AI. Zdravstvene razlike že obstajajo: po podatkih Svetovne banke in Svetovne zdravstvene organizacije polovica prebivalstva sveta nima dostopa do osnovnih zdravstvenih storitev, skoraj 100 milijonov ljudi pa zaradi stroškov zdravstvenega varstva potisne v izjemno revščino. AI lahko te neenakosti izboljša ali pa jih še poslabša.
"Veliko razprav o AI je bilo o tem, kako demokratizirati zdravstveno varstvo, in želim, da se to zgodi, " pravi Effy Vayena, bioetičarka z zveznega tehnološkega inštituta.
"Če samo zaključite z ljubkovalno ponudbo storitev tistim, ki bi si tako ali tako lahko privoščili dobro zdravstveno oskrbo, " še dodaja, "nisem prepričana, ali je to preobrazba, ki jo iščemo."
Kako bo vse to odvisno, je odvisno od različnih vizij za izvajanje AI Zgodnji razvoj se je osredotočil na zelo ozke diagnostične aplikacije, na primer pregledovanje slik za namigi o kožnem raku ali glivi nohtih ali branje rentgenskih žarkov prsnega koša. Toda novejša prizadevanja so poskušala diagnosticirati več zdravstvenih stanj hkrati.
Avgusta 2018 sta Moorfields Eye Hospital v Veliki Britaniji in DeepMind. londonski laboratorij AI, ki je v lasti Googlovega matičnega podjetja Alphabet, je pokazal, da so uspešno usposobili sistem AI za prepoznavanje več kot 50 očesnih bolezni v pregledih, kar je ustrezalo uspešnosti vodilnih strokovnjakov. Podobno široke ambicije so spodbudile tudi študijo San Diego in Guangzhou, ki je usposobila AI za diagnosticiranje pogostih bolezni med otroki. Slednji ni bil tako dober pri diagnosticiranju otroških bolezni v primerjavi s starejšimi zdravniki, vendar je deloval bolje kot nekateri mlajši zdravniki.
Takšnim sistemom AI morda ni treba prekašati najboljših človeških strokovnjakov za pomoč pri demokratizaciji zdravstvenega varstva, temveč preprosto razširiti dostop do sedanjih zdravstvenih standardov. Kljub temu je do zdaj veliko predlaganih aplikacij za AI usmerjeno na izboljšanje sedanjega standarda oskrbe, ne pa na širjenje cenovno dostopnega zdravstvenega varstva, "Deokratizacija tega, kar že imamo, bi bila veliko večja škoda za vaš denar, kot pa izboljšanje tega, kar imamo v veliko področij. "
Svetovalno podjetje Accenture napoveduje, da bi vrhunske aplikacije za AI do leta 2026 lahko prihranile 150 milijard ameriških dolarjev na leto. Vendar ni jasno, ali bi imeli koristi pacienti in zdravstveni sistemi, dopolnjeni z davkoplačevalskimi dolarji, ali če bi več denarja preprosto priteklo v tehnološka podjetja, izvajalci zdravstvenih storitev in zavarovalnice.
"Vprašanje, kdo bo to vozil in kdo bo plačal za to, je pomembno vprašanje, " pravi Kohane. "V vseh teh poslovnih načrtih je nekaj halucinacijskega, ker mislijo, da vedo, kako se bo to izšlo."
Kohane opozarja, tudi če storitve AI priporočajo prihranke stroškov, zato se lahko zdravniki in zdravstvene organizacije obrnejo na nasvete o AI, če bodo zaslužili manj denarja. To govori o večjem sistemskem vprašanju ameriških zdravstvenih zavarovalnic, ki uporabljajo model plačila za storitve, ki zdravnike in bolnišnice pogosto nagradi za dodajanje testov in zdravstvenih postopkov, tudi če jih ne potrebujejo.
***
Obstaja še ena priložnost AI, ki bi lahko izboljšala kakovost oskrbe, hkrati pa večino medicinskih diagnoz pusti v rokah zdravnikov. V svoji knjigi Deep Medicine leta 2019 Eric Topol, direktor in ustanovitelj Translacijskega inštituta Scripps Research, govori o ustvarjanju v bistvu napolnjene medicinske Siri - asistentke AI, ki bi si zapisovala o interakcijah med zdravniki in njihovimi pacienti, vnašala te opombe v elektronsko zdravje zapise in zdravnike opomnite, naj se pozanimajo o ustreznih delih bolnikove zgodovine.
"Moje prizadevanje je, da razložimo delo zdravnikov in se znebimo njihove vloge uradnika za podatke, pomagamo pacientom, da prevzamejo več odgovornosti in vnesejo podatke, tako da stvari ne bodo trajale toliko časa, " pravi Topol.
Ta „nikoli pozabljivi zdravstveni asistent ali pisar“, pravi Kohane, bi potreboval AI, ki lahko samodejno sledi in prepisuje več glasov med zdravniki in bolniki. Podpira Topolovo idejo, vendar dodaja, da večina aplikacij AI v razvoju ni videti osredotočena na take pomočnike. Kljub temu so nekatera podjetja, kot sta Saykara in DeepScribe, razvili storitve v tej smeri in celo Google se je združil z Univerzo Stanford, da bi preizkusil podobno tehnologijo »digitalnih pisarjev«.
Pomočnik AI morda zveni manj vznemirljivo kot zdravnik AI, vendar bi zdravnike lahko sprostil, da preživijo več časa s svojimi pacienti in izboljšajo splošno kakovost oskrbe. Zlasti družinski zdravniki porabijo več kot polovico svojih delovnih dni za vpisovanje podatkov v elektronsko zdravstveno kartoteko - glavni dejavnik fizične in čustvene izgorelosti, ki ima strašne posledice, vključno s smrtjo bolnikov.
Ironično je, da naj bi elektronski zdravstveni zapisi izboljšali zdravstveno oskrbo in znižali stroške, saj bodo informacije o pacientih bolj dostopne. Zdaj so Topol in številni drugi strokovnjaki opozorili na elektronsko zdravstveno kartoteko kot na previdno zgodbo o trenutni hype okoli AI v medicini in zdravstvu.
Vpeljava elektronskih zdravstvenih kartotek je že ustvarila sistem patchwork, razširjen med sto zasebnimi prodajalci, ki v glavnem uspe izolirati podatke o pacientih in omogoča dostop do zdravnikov in pacientov. Če je zgodovina kateri koli vodnik, bo veliko tehnoloških podjetij in zdravstvenih organizacij začutilo težo po podobnih poteh s prikrivanjem medicinskih podatkov za svoje sisteme AI.
Eden od načinov tega je morda uporaba sistema kolektivne obveščevalne službe, ki združuje in razvršča medicinsko znanje iz različnih virov, pravi Komarneni, ki ta pristop poskuša s Human Dx. Human Dx je podprl večje medicinske organizacije, kot je Ameriško zdravniško združenje, zgradil spletno platformo za nasvete tisočev zdravnikov o posebnih medicinskih primerih. Komarneni upa, da bi takšna platforma teoretično lahko tudi nekega dne vključevala diagnostične nasvete številnih različnih AI storitev.
"Tako kot bi lahko v prihodnosti vaš primer obravnaval več človeških strokovnjakov, ni razloga, da več AI tega ne bi mogel storiti, " pravi Komarneni.
Medtem ko zdravniki čakajo na pomoč pri AI, bi lahko množični projekti, kot je Human Dx, "zagotovo privedli do izboljšane diagnostike ali celo izboljšanih priporočil za zdravljenje", pravi Topol, ki je leta 2018 sodeloval pri študiji na podobni platformi, imenovani Medscape Consult. V prispevku je bilo ugotovljeno, da bi kolektivna človeška inteligenca lahko bila "konkurenčna ali dopolnilna strategija" AI v medicini.
Če pa AI službe opravijo vse teste in preverjanja v resničnem svetu, bi lahko postale pomemben partner za človeka pri preoblikovanju sodobnega zdravstvenega varstva.
"Obstajajo stvari, ki jim stroji nikoli ne bodo uspeli, in druge, ki presegajo tisto, kar lahko počne vsak človek, " pravi Topol. "Torej, ko dva sestavite skupaj, je to zelo močan paket."
***
Jeremy Hsu je svobodni novinar s sedežem v New Yorku. Med drugimi publikacij pogosto piše o znanosti in tehnologiji za Backchannel, IEEE Spectrum, Popular Science in Scientific American.
Ta članek je bil prvotno objavljen na Undarku. Preberite izvirni članek.
