Home Wiadomości Sztuczna inteligencja w medycynie

Sztuczna inteligencja w medycynie

Badacze Google AI we współpracy z Northwestern Medicine opracowali model komputerowy, który jest w stanie dokładniej zdiagnozować początkowe stadium raka płuc niż lekarze radiolodzy, którzy mieli średnio 8-letnie doświadczenie. Algorytm opracowany do analizy obrazów tomografii komputerowej o 5% częściej poprawnie diagnozował ognisko nowotworowe i o 14% rzadziej popełniał błędy diagnostyczne.

W przypadku analizy badań pod kątem szacowania ryzyka wystąpienia nowotworu w ciągu 2 lat, model był dokładniejszy od doświadczonych radiologów o 9.5%.

Model opracowany na zasadzie tzw. sztucznej inteligencji, dokładnie mechanizmów uczenia się, opierał się na danych 42 000 wyników badań tomografii komputerowej 15 tysięcy pacjentów. Z tych pacjentów u 578 osób w ciągu roku pojawiła się choroba nowotworowa.

Rak płuca to częsta przyczyna zgonów w Europie, która wg danych Światowej Organizacji Zdrowia, powoduje ich ponad 2 miliony. Opracowanie algorytmów diagnostycznych dla pacjentów wysokiego ryzyka, które z wysoką czułością i specyficznością będą diagnozować wczesne stadia choroby, może dramatycznie poprawić sytuację pacjentów z grup ryzyka.

Warto zauważyć, że to rozwiązanie jakie testuje Google nie jest pierwszym rozwiązaniem tego typu. Przykładem jest np. diagnostyka retinopatii cukrzycowej, powikłania okulistycznego cukrzycy, które może prowadzić nawet do utraty wzroku. Opracowany algorytm, opierający się na analizie ponad 12 tysięcy obrazów dna oka, osiągnął czułość i specyficzność diagnostyczną na poziomie 97.5%, przekraczając w tym zakresie wyniki doświadczonych lekarzy okulistów.

W przypadku chorób serca jednym z wielu przykładów jest chociażby praca doktora Paula Friedmana z Midwest Department of Cardiovascular Medicine w Mayo Clinic. Akurat przedmiotem jednaj z analiz była wczesna diagnostyka bezobjawowej niewydolności serca tylko i wyłącznie w oparciu o podstawowe badanie elektrokardiograficzne. Choć lekarze, zwłaszcza kardiolodzy, powinni być ekspertami w tej dziedzinie, to jednak algorytmy diagnostyczne w tym zakresie są nieporównywalnie skuteczniejsze i np. … szybciej nauczą się diagnostyki na podstawie ponad 44 tysięcy elektrokardiogramów, których samo przejrzenie zajęłoby lekarzom niewyobrażalne ilości czasu. Analiza już kliniczna wykazała, że algorytm skutecznie diagnozuje pacjentów, u których ryzyko wystąpienia dysfunkcji skurczowej lewej komory jest czterokrotnie wyższe niż w grupie kontrolnej. Proszę zauważyć jak to skutecznie zawęża grupę docelową pacjentów, którzy powinni być poddani kolejnym badaniom skringowym i jakie wiążą się z tym oszczędności kosztów i czasu.

Takie przykłady dają nadzieję, na zmianę sytuacji i organizacji systemu opieki zdrowotnej. Okazuje się, że w przyszłości nie będziemy potrzebowali np. tak wielu radiologów, nie będziemy musieli czekać kilka godzin lub dni na opis, a znaczną część pracy diagnostycznej opierać się będzie o wręcz autonomiczną pracę urządzeń diagnostycznych wykorzystujących zaawansowane algorytmy uczenia się. Zatem te uczące się algorytmy zmienią relację lekarz-pacjent, pacjent-system opieki zdrowotnej i wpłyną istotnie na koszty systemu. W tej nowej sytuacji będą musieli odnaleźć się lekarze, których rola w procesie diagnozowania i leczenia będzie inna niż obecnie, jak i sami pacjenci.

W perspektywie czasu być możenależy oczekiwać rozwiązań, które doprowadzą do sytuacji kiedy każdy z nas, w zależności od wieku oraz czynników ryzyka wynikających m.in. z profilu genetycznego, poddawany będzie rutynowym, skrinigowym badaniom diagnostycznym, które analizowane będą przez algorytmy stawiające diagnozę szybciej, dokładniej i pewniej niż lekarze.

Oczywiście możemy zapytać kiedy to nastąpi. Cóż. Trudno powiedzieć, niemniej jednak w kontekście dyskusji o kształcie i sposobach finansowania systemu opieki zdrowotnej w Polsce, być może należy jednak większą uwagę przywiązywać nie do braku kadr, a do implementacji rozwiązań informatycznych, które przynajmniej w odniesieniu do najczęstszych chorób, mogą diametralnie zmienić sytuację. Proszę sobie tylko wyobrazić sytuację, w której np. w czasie badań skrinigowych medycyny pracy wykonuje się bez konieczności czekania w kolejkach, na konsultacje, serię, przeprowadzanych automatycznie badań, która natychmiast wskazują diagnozę oraz zasady dalszego postępowania. Wydaje się, że to tylko kwestia czasu.

Naszym Czytelnikom proponujemy link do krótkiego filmu na ten temat. https://www.youtube.com/watch?v=7F9ayCtRVTw

I zapraszamy do regularnego zaglądania na nasz portal http://www.akademiapacjenta.pl oraz na nasz funpage https://www.facebook.com/akademiapacjenta/

Pokaż więcej powiązanych artykułów

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *

Sprawdź także

Życzenia świąteczne