A modern orvostudományban a mesterséges intelligencia egyre inkább a támogató eszközből a tudományos folyamat teljes értékű résztvevőjévé válik. Erre az átmenetre példa a SPARK rendszer kifejlesztése, amely képes tudományos ötletek feldolgozására, valamint a rák tanulmányozásával és kezelésével kapcsolatos hipotézisek megfogalmazására és tesztelésére.

Az Izvesztyija azt vizsgálta, hogy a mesterséges intelligencia kulcsfontosságú eszközzé válhat-e a rák elleni küzdelemben, hogyan működik az új rendszer, és mikor várható alkalmazása a valós klinikai gyakorlatban.

Mint írták, a közelmúltig a mesterséges intelligenciát az orvostudományban elsősorban segédeszköznek tekintették. Segített az orvosoknak a képek gyorsabb és pontosabb elemzésében: a daganatok észlelésében, a gyanús területek kiemelésében és a diagnosztikai hibák kockázatának csökkentésében. A Nature Medicine folyóiratban megjelent új tanulmány azonban azt mutatja, hogy az MI szerepe sokkal szélesebb körű lehet. – Egy olyan rendszer létrehozására tett kísérletről beszélünk, amely képes részt venni a teljes értékű tudományos kutatásban, és segíteni új felfedezések megtételét – emelték ki.

Nemcsak elemez, hanem hipotéziseket is alkot

A kutatók által kifejlesztett SPARK rendszer az úgynevezett ágensalapú megközelítés egyik példája. Nem egyetlen modellt, hanem több specializált modult alkalmaz, amelyek kölcsönhatásba lépnek egymással. Egyes modulok hipotéziseket fogalmaznak meg, mások finomítják azokat, megint mások pedig valós orvosi adatokon tesztelik őket.

A rendszer egyszerű szöveget használ univerzális nyelvként. Leírhat egy javasolt ötletet, majd lefordíthatja azt mérhető paraméterekké, és ellenőrizheti, hogy a tumor képalkotása megerősíti-e azt. Más szóval, a mesterséges intelligencia nem egyszerűen elemzi a képeket, hanem megpróbálja megmagyarázni a megfigyelt változások alapjául szolgáló biológiai folyamatokat.

Ez a megközelítés jelentősen eltér a hagyományos algoritmusoktól, amelyeket előre meghatározott jellemzők, például a sejtek alakja vagy a szövetek sűrűsége észlelésére képeznek ki. Az új rendszer képes automatikusan olyan potenciálisan jelentős jellemzőket javasolni, amelyek egyébként elkerülnék az emberi figyelmet. A szakértők szerint a SPARK-hoz hasonló rendszerek egyik fő előnye a rákdiagnosztika fokozott pontossága és a veszélyes elváltozások gyorsabb felismerése.

Az ember számára láthatatlan mintázatokat is felismerheti

Ahogy Alekszej Truhin, a MEPhI Műszaki Fizikai Biomedicina Intézete Orvosi Fizikai Tanszékének docense elmagyarázta, minden neurális hálózat egy összetett matematikai modellen alapul, amely lehetővé teszi nagy mennyiségű adat elemzését és az ember számára láthatatlan mintázatok azonosítását. Megjegyezte, hogy az ilyen technológiák már most is segítik az orvosokat a gyanús területek azonosításában az orvosi képeken, valamint a vizsgálatok dokumentálásának és értelmezésének szabványosításában.

– A korai és pontos diagnózis nagymértékben meghatározza a beteg sikeres kezelésének esélyeit. Minél korábban észlelik a daganatot, és minél jobban megértik annak természetét, annál nagyobb a valószínűsége a hatékony terápia kiválasztásának és a szükségtelenül agresszív kezelések elkerülésének. A mesterséges intelligencia fejlődése javíthatja a terápiás módszerek célzottságát és biztonságosságát, mivel az orvosok pontosabb információkat kapnak a betegségről – fogalmazott a szakértő.

A neurális hálózatok különösen ígéretesek a patológiában, az orvostudomány azon területén, ahol a szakemberek mikroszkóp alatt vizsgálják a tumorszövetet és -sejteket. Ezeknek a mintáknak a modern digitális képei ultranagy felbontásúak, és több ezer objektumot tartalmaznak, amelyeket összetett szerkezet köt össze. Az ilyen adatok manuális elemzése rengeteg időt és koncentrációt igényel.

– Egy patológus akár 200 nanométer felbontású képekkel dolgozik. A neurális hálózatok lehetővé teszik az ilyen képeken látható objektumok automatizált lokalizációját, szegmentálását és számlálását, valamint szerveződésük kvantitatív értékelését – magyarázta Truhin.

Nem az orvosokat váltaná le

A szakértők hangsúlyozták, hogy ez nem az orvosok leváltásáról szól, hanem munkájuk jellegének megváltoztatásáról. A mesterséges intelligencia átveszi a rutinszerű elemzések egy részét, lehetővé téve a szakemberek számára, hogy az eredmények értelmezésére és a döntéshozatalra összpontosítsanak.

A mesterséges intelligencia alapú orvostechnológiák bevezetése egymást követő szakaszokból áll. Alekszej Truhin szerint az első kulcsfontosságú lépés a technológia orvostechnikai eszközként való regisztrációja. A rendszer összetettségétől és a bizonyítékbázis minőségétől függően ez a folyamat optimális esetben 6–12 hónaptól, a gyakorlatban pedig 2–3 évig is eltarthat. Ebben a szakaszban a Roszdravnadzor szabályozó hatóság formalizált kritériumok alapján értékeli az algoritmusokat: érzékenység, specificitás és pontosság.

A regisztráció azonban csak a kezdet. Ezután következik a klinikai gyakorlatba való bevezetés, ami további éveket is igénybe vehet. Ehhez át kell alakítani az orvosi folyamatokat, ki kell képezni a szakembereket, és az egészségügyi rendszert hozzá kell igazítani az új eszközökhöz.

A végső döntést továbbra is szakember hozza meg

Ahogy Jurij Komarov, az N. N. Petrov Nemzeti Orvostudományi Kutatóközpont szervezeti és módszertani munkákért felelős igazgatóhelyettese az Izvesztyijának elmondta, a mesterséges intelligencia már a mindennapi orvosi gyakorlat részévé vált.

– A mesterséges intelligencia segíthet ajánlások generálásában, és jelenleg olyan rendszereket vezetnek be, amelyek a használati utasítás alapján információt tudnak adni a gyógyszerkompatibilitásról, és figyelembe véve az egyidejűleg fennálló betegségeket vagy a kutatási eredményeket, javaslatot tesznek a lehetséges mellékhatásokra. A végső döntést azonban mindig szakember hozza meg – mutatott rá a szakértő.

Hangsúlyozta, hogy a mesterséges intelligencia rendszereket már gyakorlatilag minden régióban használják, de a „megvalósítás” fogalma továbbra is homályos: ez a szoftvermegoldás szerverre telepítésétől a klinikai gyakorlatban való teljes körű alkalmazásáig terjedhet, ami sokkal több időt igényel.

Komarov arra is rámutatott, hogy a mesterséges intelligencia valós munkába való integrálása nemcsak a technikai beállításokat foglalja magában, hanem az orvosok képzését, a rendszerek minőségének tesztelését a bevezetés után, valamint a használatukhoz szükséges fenntartható készségek fejlesztését is.

Fontos kérdés a felelősség határa

Mivel a neurális hálózatokat egyre inkább használják a diagnosztikában és a kezelési döntésekben, különösen fontossá válik az orvos és a technológiafejlesztő közötti felelősségi határok meghatározása.

Jurij Komarov szerint az orvosokat nem szabad felelősségre vonni az algoritmus teljesítményéért, mivel a mesterséges intelligencia továbbra is eszköz, nem pedig független döntéshozó. A szakember szerepe az, hogy képes legyen használni az ilyen rendszereket, nem pedig az, hogy formálisan validálja azok következtetéseit.

– Ha egy szakember csupán „jóváhagy” egy mesterséges intelligencia által készített jelentést anélkül, hogy ténylegesen elemezné az eredményeket, az leértékeli magát a technológia használatának gondolatát. Egy orvos továbbra is kétszeresen ellenőrzi az adatokat – fejtette ki Komarov.

Felhívta a figyelmet arra, hogy fenntarthatóbb modell lehet egy folyamatos visszacsatolási rendszer, amelyben az összes kétes vagy hibás mesterségesintelligencia-eredményt közösen vizsgálják felül az orvosok és a fejlesztők. Ez a megközelítés nemcsak a problémákat azonosítja, hanem következetesen fejleszti magukat az algoritmusokat is.

– Ki kell építenünk egy olyan rendszert, amelyben a mesterséges intelligencia kutatási eredményeiben mutatkozó bármilyen eltérést szakemberek kezelnek a fejlesztőkkel együttműködve. Ennek a technológiai fejlesztés folyamatos folyamatának kell lennie – hangsúlyozta a szakértő.

A hibákat nem lehet teljesen kizárni

Alekszej Truhin szerint ugyanakkor lehetetlen teljesen kiküszöbölni a hibákat a neurális hálózatokban. Bármely ilyen rendszert korlátozott adathalmazokon tanítanak, ami azt jelenti, hogy mindig fennáll mind a téves pozitív, mind a téves negatív eredmények kockázata.

Ez különösen igaz a ritka betegségekre, amelyek alulreprezentáltak lehetnek a tanulóhalmazokban, és elveszhetnek a tipikus esetek között. A mesterséges intelligencia tehát egyre fontosabb szerepet kaphat a rákkutatásban és a diagnosztikában, de csak akkor válhat valóban megbízható klinikai eszközzé, ha szigorú ellenőrzés, orvosi felügyelet és folyamatos fejlesztés mellett alkalmazzák.