Përcaktohet inteligjenca artificiale

Por çfarë është saktësisht inteligjenca artificiale në kontekstin mjekësor?

Ai fillon me mësimin e makinerive, të cilat janë algoritme që mundësojnë një program kompjuterik të “mësojë” duke përfshirë sasi të mëdha dhe dinamike në rritje të të dhënave, sipas Revistë me tel.

Termat ‘mësim makine’ dhe ‘AI’ shpesh përdoren në mënyrë të ndërsjellë.

Për të kuptuar mësimin e makinerive, imagjinoni një grup të caktuar të dhënash – le të themi një grup rrezesh X që tregojnë ose nuk tregojnë një kockë të thyer – dhe duke pasur një program përpiquni të hamendësoni se cilat prej tyre tregojnë thyerje.

Programi ka të ngjarë të bëjë shumicën e diagnozave të gabuara në fillim, por më pas ju i jepni përgjigjet e sakta dhe makina mëson nga gabimet e saj dhe fillon të përmirësojë saktësinë e saj.

Shpëlajeni dhe përsëritni këtë proces qindra ose mijëra (ose miliona) herë dhe, teorikisht, makina do të jetë në gjendje të modelojë, përzgjedhë ose parashikojë me saktësi një qëllim të caktuar.

Pra, është e lehtë të shihet se si në kujdesin shëndetësor – një fushë që merret me sasi masive të të dhënave të pacientëve – mësimi i makinerive mund të jetë një mjet i fuqishëm.

“Një nga fushat kryesore ku AI po premton është analiza diagnostike, ku sistemi i AI do të mbledhë dhe analizojë grupe të dhënash mbi simptomat për të diagnostikuar problemin e mundshëm dhe për të ofruar zgjidhje trajtimi.” John Bailey, drejtor i shitjeve për kompaninë e teknologjisë së kujdesit shëndetësor Chetu Inc., tha Healthline.

“Ky lloj funksionaliteti mund të ndihmojë më tej mjekët në përcaktimin e sëmundjes ose gjendjes dhe të lejojë kujdes më të mirë dhe më të përgjegjshëm,” tha ai. “Meqenëse përfitimi kryesor i AI është në zbulimin e modeleve, ajo gjithashtu mund të përdoret në identifikimin dhe të ndihmojë në kontrollimin e shpërthimeve të sëmundjeve dhe rezistencës ndaj antibiotikëve.”

Problemi i botës reale

Kjo tingëllon e mrekullueshme. Pra, çfarë është problemi?

“Problemi qëndron në mungesën e riprodhueshmërisë në mjediset e botës reale,” tha Morey. “Nëse nuk testoni në grupe të dhënash të mëdha të fuqishme që janë vetëm një pajisje ose një makinë, atëherë ju potencialisht zhvilloni paragjykim në algoritëm që në fund do të funksionojë vetëm në një mjedis shumë specifik, por nuk do të jetë i pajtueshëm për rrotullime në shkallë të gjerë- jashtë.”

Ai shtoi, “Mungesa e riprodhueshmërisë është diçka që prek shumë shkencën, por AI në kujdesin shëndetësor në veçanti.”

Për shembull, a studim në revistën Science zbuloi se edhe kur AI testohet në një mjedis klinik, ajo shpesh testohet vetëm në një spital të vetëm dhe rrezikon të dështojë kur zhvendoset në një klinikë tjetër.

Pastaj është çështja e vetë të dhënave.

Mësimi i makinerive është po aq i mirë sa grupet e të dhënave me të cilat po punojnë makinat, tha Ray Walsh, një ekspert i privatësisë dixhitale në ProPrivacy.

“Mungesa e diversitetit në grupet e të dhënave të përdorura për të trajnuar AI mjekësore mund të çojë në algoritme që diskriminojnë në mënyrë të padrejtë demografinë e nënpërfaqësuar,” tha Walsh për Healthline.

“Kjo mund të krijojë AI që paragjykohet ndaj njerëzve të caktuar,” vazhdoi ai. “Si rezultat, AI mund të çojë në paragjykime ndaj demografive të veçanta bazuar në gjëra të tilla si indeksi i lartë i masës trupore (BMI), raca, përkatësia etnike ose gjinia.”

FDA ecën me avull të plotë përpara

Ndërkohë, FDA ka ndjekur me shpejtësi miratimin e produkteve të drejtuara nga AI, nga miratimi i vetëm 1 në 2014 në 23 në 2018.

Shumë nga këto produkte nuk i janë nënshtruar provave klinike që kur përdorin Rruga e miratimit 510(k) të FDA-së, e cila i lejon kompanitë të tregtojnë produkte pa prova klinike për sa kohë që ato janë “të paktën po aq të sigurta dhe efektive, domethënë, në thelb të barasvlershme, me një pajisje të tregtuar ligjërisht”.

Ky proces ka bërë të lumtur shumë në industrinë e shëndetit të AI. Kjo perfshin Elad Walach bashkëthemelues dhe shef ekzekutiv i Aidoc, një startup i fokusuar në eliminimin e pengesave në diagnostikimin e imazhit mjekësor.

“Procesi FDA 510 (k) ka qenë shumë efektiv,” tha Walach për Healthline. “Hapat kryesorë përfshijnë provat klinike të zbatueshme për produktin dhe një proces të fuqishëm paraqitjeje me lloje të ndryshme dokumentacioni që adresojnë aspektet kryesore të pretendimit dhe rreziqet e mundshme.”

“Sfida me të cilën po përballet FDA është të merret me ritmin në rritje të inovacionit që vjen nga shitësit e AI”, shtoi ai. “Duke thënë se, në vitin e kaluar ata përparuan ndjeshëm në këtë temë dhe krijuan procese të reja për t’u marrë me rritjen e paraqitjeve të AI.”

Por jo të gjithë janë të bindur.

“FDA ka një proces miratimi me të meta të thella për llojet ekzistuese të pajisjeve mjekësore dhe futja e kompleksitetit teknologjik shtesë i ekspozon më tej ato mangësi rregullatore. Në disa raste, mund të rrisë gjithashtu nivelin e rrezikut, “tha David Pring-Mill, një konsulent për startup-et e teknologjisë dhe kolumnist i opinionit në TechHQ.

“Produktet e reja të AI kanë një marrëdhënie dinamike me të dhënat. Për të marrë hua një term mjekësor, ata nuk janë në karantinë. Ideja është se ata gjithmonë ‘mësojnë’, por ndoshta ia vlen të sfidohet supozimi se një ndryshim në rezultate përfaqëson gjithmonë një produkt të përmirësuar,” tha ai.

Problemi themelor, tha Pring-Mill për Healthline, është se “rruga 510 (k) i lejon prodhuesit e pajisjeve mjekësore të ecin përpara pa provuar vërtet meritat e produkteve të tyre”.

AI me një prekje njerëzore

Në një mënyrë apo tjetër, mësimi i makinerive dhe integrimi i AI në fushën mjekësore është këtu për të qëndruar.

Prandaj, zbatimi do të jetë kyç.

“Edhe nëse AI merr rolin e përpunimit të të dhënave, mjekët mund të mos kenë lehtësim. Ne do të mbytemi me të dhëna nga këto sisteme, do të kërkojmë vazhdimisht për të dhëna shtesë për të përjashtuar ose përjashtuar diagnozat e mundshme dhe do të paraqitemi me shkallë të ndryshme informacioni përkatës. Christopher Maiona, MD, SFHM, shefi i mjekësisë në PatientKeeper Inc., e cila është e specializuar në optimizimin e të dhënave elektronike të shëndetit, tha për Healthline.

“Mes një breshëri të tillë, ndërfaqja e përdoruesit të sistemit do të jetë kritike në përcaktimin se si informacioni është prioritar dhe i paraqitur në mënyrë që ta bëjë atë klinikisht kuptimplotë dhe praktik për mjekun,” shtoi ai.

Dhe suksesi i AI në mjekësi – si tani ashtu edhe në të ardhmen – përfundimisht mund të mbështetet ende në përvojën dhe intuitën e qenieve njerëzore.

Një program kompjuterik “nuk mund të zbulojë nuancat delikate që vijnë me vite të tëra të kujdesit për pacientët si njerëz,” David Gregg, MD, shef mjekësor për Qëndro mirë, një kompani e inovacionit të kujdesit shëndetësor, tha për Healthline.

“Furnizuesit mund të zbulojnë sinjale të caktuara, të lidhin informacionin, tonin dhe përkuljen kur ndërveprojnë me pacientët që i lejojnë ata të krijojnë një marrëdhënie dhe të ofrojnë kujdes më të personalizuar,” tha ai. “AI thjesht jep një përgjigje ndaj të dhënave, por nuk mund të trajtojë aspektet emocionale ose të reagojë ndaj të panjohurës.”