Επιμέλεια: Στέλιος Βασιλούδης
Αν προσέξει κανείς την κάλυψη των μέσων ενημέρωσης γύρω από την τεχνητή νοημοσύνη, είναι εύκολο να κατανοήσει ότι τεχνολογίες όπως τα chatbots δημιουργούν μια «υπαρξιακή κρίση» σε όλα – από την οικονομία έως τη δημοκρατία. Αυτές οι απειλές είναι πραγματικές και η προληπτική ρύθμιση είναι ζωτικής σημασίας. Όμως είναι επίσης σημαντικό να επισημανθούν οι πολλές θετικές εφαρμογές της τεχνητής νοημοσύνης, ειδικά στην υγειονομική περίθαλψη.
Για παράδειγμα η Mayo Clinic, η μεγαλύτερη ολοκληρωμένη, μη κερδοσκοπική ιατρική κλινική στον κόσμο, η οποία έχει δημιουργήσει περισσότερους από 160 αλγόριθμους AI στην καρδιολογία, τη νευρολογία, την ακτινολογία και άλλες ειδικότητες. Σαράντα από αυτούς έχουν ήδη αναπτυχθεί στην περίθαλψη ασθενών.
Ο John Halamka, ο οποίος είναι γιατρός εκπαιδευμένος στην ιατρική πληροφορική και πρόεδρος της Mayo Clinic Platform, εξηγεί πώς χρησιμοποιείται η τεχνητή νοημοσύνη στην ιατρική: «Η AI είναι απλώς η προσομοίωση της ανθρώπινης νοημοσύνης μέσω μηχανών».
Ο ίδιος κάνει τη διάκριση μεταξύ προγνωστικής και παραγωγικής τεχνητής νοημοσύνης. Η πρώτη περιλαμβάνει μαθηματικά μοντέλα που χρησιμοποιούν μοτίβα από το παρελθόν για να προβλέψουν το μέλλον. Η δεύτερη χρησιμοποιεί κείμενο ή εικόνες για να δημιουργήσει ένα είδος ανθρώπινης αλληλεπίδρασης.
Ο πρώτος τύπος είναι εξαιρετικά πολύτιμος για την ιατρική, σήμερα. Όπως περιγράφει ο Δρ Halamka, η προγνωστική τεχνητή νοημοσύνη μπορεί να εξετάσει τις εμπειρίες εκατομμυρίων ασθενών και τις ασθένειες τους για να απαντήσει σε μια απλή ερώτηση: «Τι μπορούμε να κάνουμε για να διασφαλίσουμε ότι θα έχετε το καλύτερο δυνατό ταξίδι με τα λιγότερα εμπόδια στην πορεία»;
Για παράδειγμα, ας υποθέσουμε ότι κάποιος έχει διαγνωστεί με διαβήτη τύπου 2. Αντί να δίνει γενικές συστάσεις για οποιονδήποτε με την πάθηση, ένας αλγόριθμος μπορεί να προβλέψει το καλύτερο σχέδιο φροντίδας για αυτόν τον ασθενή χρησιμοποιώντας την ηλικία, τη γεωγραφική θέση, το φυλετικό και εθνικό του υποβαθρο, τις υπάρχουσες ιατρικές υποδομες και τις διατροφικές του συνήθειες.
Αυτό το είδος θεραπείας με επίκεντρο τον ασθενή δεν είναι καινούργιο. Οι γιατροί εδώ και καιρό εξατομικεύουν τις συστάσεις. Επομένως, υπό αυτή την έννοια, η προγνωστική τεχνητή νοημοσύνη είναι απλώς ένα ακόμη εργαλείο που βοηθά στη λήψη κλινικών αποφάσεων.
Η ποιότητα του αλγορίθμου εξαρτάται από την ποσότητα και την ποικιλία των δεδομένων.
Η προγνωστική τεχνητή νοημοσύνη μπορεί επίσης να βελτιώσει τις διαγνώσεις. Για παράδειγμα, για την ανίχνευση του καρκίνου του παχέος εντέρου, η συνήθης πρακτική είναι οι γαστρεντερολόγοι να πραγματοποιούν κολονοσκόπηση και να αναγνωρίζουν και να αφαιρούν ενδοσκοπικά τους προκαρκινικούς πολύποδες. Ωστόσο, ορισμένες μελέτες εκτιμούν ότι 1 στις 4 καρκινικές βλάβες χάνονται κατά τη διάρκεια των κολονοσκοπήσεων προσυμπτωματικού ελέγχου. Η προγνωστική τεχνητή νοημοσύνη μπορεί να βελτιώσει τα μέγιστα την ανίχνευση. Το λογισμικό έχει «εκπαιδευτεί» να αναγνωρίζει πολύποδες κοιτάζοντας πολλές φωτογραφίες τους και όταν ανιχνεύσει έναν κατά την κολονοσκόπηση, ειδοποιεί τον γιατρό να τον κοιτάξει πιο προσεκτικά. Μια τυχαιοποιημένη ελεγχόμενη μελέτη σε οκτώ κέντρα στις Ηνωμένες Πολιτείες, τη Βρετανία και την Ιταλία διαπίστωσε ότι η χρήση τέτοιας τεχνητής νοημοσύνης μείωσε το ποσοστό απώλειας πιθανών καρκινικών βλαβών κατά περισσότερο από το μισό, από 32,4% σε 15,5%.
Ο Halamka έκανε μια προκλητική δήλωση, ότι μέσα στα επόμενα πέντε χρόνια, θα μπορούσε να θεωρηθεί κακή πρακτική (με νομικές συνέπειες) η μη χρήση AI στον προσυμπτωματικό έλεγχο του καρκίνου του παχέος εντέρου. Όμως, ήταν επίσης προσεκτικός να επισημάνει ότι «δεν είναι ο ρόλος της τεχνητής νοημοσύνης να αντικαθιστά τον γιατρό, αλλά να βοηθά τον γιατρό στην άσκηση της πρακτικής του». Υπάρχουν τόσες πολλές ανεκπλήρωτες ανάγκες που η τεχνολογία δεν πρόκειται να μειώσει την ανάγκη για παρόχους υγειονομικής περίθαλψης. Αντίθετα, υποστήριξε, «θα μπορούμε να βλέπουμε περισσότερους ασθενείς και σε περισσότερες γεωγραφικές θέσεις».
Προς το παρόν, υπάρχουν πάρα πολλές ανησυχίες σχετικά με την ποιότητα και την ακρίβεια ώστε η παραγωγική τεχνητή νοημοσύνη να μπορεί να κατευθύνει την κλινική φροντίδα. Ωστόσο, έχει τεράστιες δυνατότητες ως μέθοδος μείωσης του διοικητικού φόρτου. Ορισμένες κλινικές χρησιμοποιούν ήδη εφαρμογές που μεταγράφουν αυτόματα την επίσκεψη ενός ασθενούς. Αντί να δημιουργούν ενα ιατρικό αρχείο από την αρχή, οι γιατροί επεξεργάζονταν το αντίγραφο, εξοικονομώντας έτσι πολύτιμο χρόνο.
Αν και ο Halamka είναι σαφώς υπέρμαχος της χρήσης της τεχνητής νοημοσύνης στην ιατρική, προτρέπει την ομοσπονδιακή εποπτεία. Ακριβώς όπως η Υπηρεσία Τροφίμων και Φαρμάκων ελέγχει νέα φάρμακα, θα πρέπει να υπάρχει μια διαδικασία για την ανεξάρτητη επικύρωση αλγορίθμων και τη δημόσια κοινή χρήση των αποτελεσμάτων. Επιπλέον, ο Halamka υπερασπίζεται τις προσπάθειες για την πρόληψη της διαιώνισης των υφιστάμενων μεροληψιών στην υγειονομική περίθαλψη σε εφαρμογές τεχνητής νοημοσύνης.
Αυτή είναι μια προσεκτική και στοχαστική προσέγγιση. Ακριβώς όπως κάθε εργαλείο, η τεχνητή νοημοσύνη πρέπει να μελετηθεί αυστηρά και να αναπτυχθεί προσεκτικά, λαμβάνοντας παράλληλα υπόψη την προειδοποίηση «ωφελείν ή μη βλάπτειν».
Ωστόσο, η τεχνητή νοημοσύνη έχει ήδη δώσει μια απίστευτη υπόσχεση: να κάνει την υγειονομική περίθαλψη ασφαλέστερη, πιο προσιτή και πιο δίκαιη.
Πηγη: The Washington Post
