Zastosowanie sztucznej inteligencji i przetwarzania danych w medycynie
Na początku wartymi wymienienia są obszary w których sztuczna inteligencja znajduje sobie zastosowania.
Rozpoznawanie obrazu
W medycynie diagnostyka obrazowa ma wiele zastosowań, może służyć do
- wizualizacji, np. zaostrzenie obrazu w celu dokładniejszego badania schorzenia,
- lokalizowania uszkodzeń, zmian takich jak komórki nowotworowe,
- badań przesiewowych, służących do stwierdzenia które z obrazów spośród dużej próby, powinny zostać dogłębniej przeanalizowane
istnieje wiele rodzajów badań opartych o pozyskiwanie obrazu w celu diagnostyki różnych chorób, m.in. prześwietlenie, rezonans magnetyczny, ultrasonografia itp., dlatego też ogromnym wsparciem w tej dziedzinie jest zastosowanie sztucznej inteligencji w kwestiach związanych z obrazem. Za pomocą np. SVM można dokonywać wyostrzenia obrazu, wykrywania krawędzi. Najwięcej firm obecnie skupia się na tworzeniu technologii pozwalającej na wykrywanie zmian nowotworowych.
Genetyka
Znany projekt naukowy – Human Genome Project pierwotnie miał zostać zakończony w 2003r. (92%), lecz co kilka lat naukowcy publikowali dokładniejsze wersje, wypełniając istniejące luki. 1 kwietnia 2022r. opublikowano sekwencję 3 miliardów par zasad, bez żadnej luki. Bez wkładu informatyki w tę dziedzinę, osiągnięcie tego nigdy nie byłoby możliwe – określenie pierwszej pary zajęło naukowcom nawet kilka lat. Genetyka jest jedną z najbardziej obiecujących dziedzin nauk medycznych, z racji iż wiele chorób jest spowodowanych przez genetykę. Jednak rezultaty tego projektu mogą nieść za sobą różne problemy. Wiedza o ludzkich genach może przyczynić się do wielu nowych form dyskryminacji. Np. pracodawca wiedzący, że jakaś osoba jest bardziej podatna na pewne choroby może odmówić przyjęcia pracownika, podobnie mogą postępować ubezpieczyciele, zwiększając składki takich osób.
Wytwarzanie leków
Aby stworzyć lek, naukowiec potrzebuje stworzyć odpowiednie sekwencje białek i innych cząsteczek, wytwarzając odpowiednie łańcuchy. Każdy z nich musi być nastepnie przetestowany czy posiada odpowiednie właściwości. Z tych powodów proces tworzenia nawet pojedynczego leku może trwać lata, gdyż potrzebne jest wytworzenie ogromnej ilości kombinacji. W tym miejscu sztuczna inteligencja może być wykorzystana w prosty sposób – poprzez zebranie różnych danych na temat cząstek, białek itp. można dokonywać predykcji, które kombinacje będą miały większą szansę na stworzenie działającego leku. Usprawnienie to znacznie zawężą ilości kombinacji, która ma być testowana, przez co cały proces ulega znacznemu przyspieszeniu. Dodatkowo każda cząsteczka musi być zsyntetyzowana, do czego potrzebna jest również odpowiednia kombinacja, której dedukcja może być przyspieszona przez AI. Więcej informacji i przykładów na ten temat, można przeczytać na stronie Astrazeneca: https://www.astrazeneca.com/r-d/data-science-and-ai.html#Revolutionisingdrugdiscovery
Urządzenia IoT
Większość z nas używa urządzeń, które wspomagają monitorowanie naszego stanu zdrowia, np. zegarki mierzące puls. Poza takimi popularnymi gadżetami istnieją też różne, bardziej specjalistyczne zastosowania urządzeń IoT, m.in. czujniki poziomu glukozy, używane przez cukrzyków. Dzięki takim urządzeniom, pacjent może z łatwością być monitorowany, a lekarz dzięki data science może mieć wgląd do przetworzonych danych, co może ułatwiać detekcję zmiany stanu zdrowia. Istnieje też szereg innych urządzeń jak np. urządzenia do pomiaru tętna, pulsu, ciśnienia, monitorowania zdrowia psychnicznego, choroby Parkinsona.
Covid-19
Sztuczna inteligencja od początku pandemii pomagała naukowcom na wielu płaszczyznach. Z początku przyspieszyła rozpoznanie i badanie jego DNA, co pozwoliło na okreslenie jego cech, sposobów walki i opracowania szczepionek czy testów. Podczas samego wytwarzania szczepionki również korzystano z AI. Leczenie pacjentów z objawami wirusa, również było ułatwione przez wspomaganie diagnostyki obrazowej. Nawet proste zastosowania AI, takie jak boty, które na podstawie zadanych pytań decydowały czy dana osoba powinna zgłosić się do szpitala, z powodu potencjalnych objawów. W Afryce Południowej na podstawie danych z poprzednich fali, przewidziano dzienną ilość stwierdzonych przypadków, zanim nastała trzecia fala, co pozwoliło przygotować się pod odpowiednie obciążenie opieki zdrowotnej. Dzięki różnym technologiom wprowadzono też systemy, które automatycznie mierzą i sprawdzają temperaturę osób przebywających w miejscach publicznych np. lotniskach.
Doradzanie chorym
4 na 10 dorosłych w USA przyznało że posiada objawy lęku i depresji, w tym samym czasie rząd ogłosił historyczny problem z brakiem dostępności terapeutów i psychiatrów. Jednym z pomocnych rozwiązań w tej kwestii okazują się boty udające terapeutę, takie jak Woebot.
Twórcy tego bota jasno zaznaczają, iż nie jest on w stanie zastąpić prawdziwego lekarza, bądź psychiatry, jednakże mogą pomóc osobom, dla których wizyta może być zbyt kosztowna, niedostępna. Innym rozwiązanie są aplikacje, które na podstawie wprowadzonych objaów mogą wskazać potencjalne choroby, na który może chorować użytkownik. Jedną z nich jest aplikacja symptomate. Użycie takiej aplikacji jest bardzo proste, podaje się podstawowe informacje takie jak wiek i płeć, stan wagi ciała, informacje o np. paleniu. Następnie podaje się objawy, które dolegają, a na samym końcu odpowiada się na szereg pytań, które aplikacja wybiera na podstawie poprzednich informacji. Na samym końcu aplikacja podaje do jakiego lekarza najlepiej się udać, jakie rodzaje badań (np. krew, cukier) są sugerowane i wyświetlone jest kilka potencjalnych chorób, przypadłości pod kątem których warto się zbadać.
Czy sztuczna inteligencja zastąpi lekarzy
Sztuczna inteligencja prawdopodobnie będzie się pojawiać w opiece zdrowotnej przez następna 10-15 lat. Hugh Harvey, radiolog i naukowiec kliniczny szacuje, że w ciągu 10 lat sztuczna inteligencja będzie już rutynowo wykorzystywana w brytyjskiej służbie zdrowia. Co więcej, sztuczna inteligencja zmieni znaczenie tego, co to znaczy być lekarzem; niektóre zadania znikną, a inne zostaną dodane do rutyny pracy. Jednak nigdy nie dojdzie do sytuacji, w której robot lub algorytm zastąpi lekarza.
Empatii nie da się zastąpić
Nawet gdyby szereg technologii oferował genialne rozwiązania, trudno byłoby im naśladować empatię. Czemu? Ponieważ sednem współczucia jest proces budowania zaufania: słuchanie drugiej osoby, zwracanie uwagi na jej potrzeby, wyrażanie poczucia zrozumienia i odpowiadanie w taki sposób, aby druga osoba wiedziała, że została zrozumiana. Obecnie nie zaufałbyś robotowi ani inteligentnemu algorytmowi z decyzją zmieniającą życie; a nawet z decyzją, czy brać środki przeciwbólowe, czy nie.
Nie ufamy nawet maszynom w zadaniach, w których są lepsze od ludzi – jak pobieranie próbek krwi. Będziemy potrzebować lekarzy trzymających się za ręce, którzy opowiadają nam o zmieniającej życie diagnozie, ich prowadzeniu przez terapię i ogólnym wsparciu. Algorytm tego nie zastąpi.
Lekarze mają nieliniową metodę pracy
Był epizod w serialu Dr. House w którym zespół nie mógł zrozumieć, w jaki sposób młody chłopiec mógł zostać otruty. Rozważali wiele opcji: leki, zatrucie pokarmowe, zatrucie pestycydami. Dla każdej możliwej diagnozy sugerowali inną opcję leczenia. Każdy z nich pogarszał stan pacjenta – dopóki przypadkiem nie zorientowali się, że chłopiec podniósł phosmet, rodzaj środka owadobójczego z dżinsów, które kupił od ulicznego sprzedawcy, który trzymał spodnie w ciężarówce. Chłopiec nie wyprał ubrania przed jego założeniem; w ten sposób jego skóra mogła wchłonąć truciznę. Żaden algorytm nie mógł postawić takiej diagnozy.
Dane, pomiary i analityka ilościowa to kluczowa część pracy lekarza. W przyszłości będzie to jeszcze bardziej krytyczne. Postawienie diagnozy i leczenie pacjenta nie są procesami liniowymi. Wymaga kreatywności i umiejętności rozwiązywania problemów, których algorytmy i roboty nigdy nie będą miały. Pacjenci i ich styl życia różnią się w stopniu, w jakim różnią się ludzie. Choroby mają tę samą cechę. Zatem żaden przypadek nie jest taki sam; każdy z nich wymaga uwagi ludzkich lekarzy. Do czasu pojawienia się złożonych, cyfrowych rozwiązań lekarze przekładali dane z prostych urządzeń medycznych na decyzje medyczne. W przyszłości zadanie będzie takie samo – będą korzystać tylko z bardziej skomplikowanych technologii.
Złożone technologie cyfrowe wymagają kompetentnych specjalistów
Coraz bardziej wyrafinowane cyfrowe rozwiązania zdrowotne będą wymagały kompetencji wykwalifikowanych lekarzy, bez względu na to, czy chodzi o robotykę, czy o sztuczną inteligencję. Ludzki mózg jest tak złożony i zdolny do nadzorowania tak ogromnej skali wiedzy i danych, że po prostu nie warto rozwijać sztucznej inteligencji. która przejmuje tę pracę – ludzki mózg robi to tak dobrze.
Bardziej opłaca się zaprogramować te powtarzalne, oparte na danych zadania, a skomplikowaną analizę/decyzję pozostawić osobie. Więc nie mówimy, że to niemożliwe; mówimy, że jest to naciągane i nie warto.
Zawsze będą algorytmy zadań, których roboty nigdy nie mogą wykonać
Lekarze, pielęgniarki i inni członkowie personelu medycznego mają do wykonania mnóstwo niewygodnych, monotonnych i powtarzalnych zadań każdego dnia. Badanie mówi, że w Stanach Zjednoczonych przeciętny lekarz spędza na administracji 8,7 godziny tygodniowo. Psychiatrzy spędzali najwięcej czasu pracy na papierkowej robocie (20,3%), następnie interniści (17,3%) i lekarze rodzinni/ogólni (17,3%).
Tego typu zadania i procedury można zautomatyzować – i powinny. Istnieją jednak obowiązki, których technologie nie mogą wykonać. Chociaż IBM Watson może przeszukiwać miliony stron dokumentów w ciągu kilku sekund, nigdy nie będzie w stanie wykonać manewru Heimlicha. Zawsze będą zadania, w których ludzie będą szybsi, bardziej niezawodni – lub tańsi niż technologia.
To nie jest pojedynek technologia kontra człowiek
Technologia nigdy nie była przeciw człowiekowi, ponieważ innowacje technologiczne zawsze służą celowi pomocy ludziom. Ostateczną odpowiedzią jest współpraca między ludźmi a technologią. Badanie dotyczące identyfikacji przerzutowego raka piersi poprzez uczenie głębokie pokazuje coś podobnego. Gdy przewidywania głębokiego uczenia połączono z diagnozami patologa-człowieka, klasyfikacja obrazu, a także ocena lokalizacji guza znacznie wzrosła.
Co więcej, wskaźnik błędów ludzkich spadł o 85 procent. Odkrycia pokazują, że sztuczna inteligencja i ludzie są najsilniejsi, gdy współpracują. Wyobraźmy sobie, do czego mogłaby być zdolna opieka zdrowotna, gdyby kreatywność i umiejętności rozwiązywania problemów ludzi zostały połączone z nieskończoną mocą obliczeniową i zasobami poznawczymi technologii. Ta opcja jest już dostępna. Po prostu musimy to przyjąć.
https://www.astrazeneca.com/r-d/data-science-andai.html#Revolutionisingdrugdiscovery
https://archive.org/details/codeofcodesscien00hood/page/264/mode/2up
https://www.iothub.com.au/news/wearable-patch-measures-glucose-levels-420294
https://www.dw.com/en/covid-artificial-intelligence-in-the-pandemic/a-58171146
https://www.nytimes.com/2021/06/01/health/artificial-intelligence-therapy-woebot.html
Świetny artykuł! Bardzo dokładnie opisuje zarówno szanse, jak i wyzwania związane z wprowadzeniem kryptowalut, NFT i technologii blockchain do współczesnej…