Компјутери су били успешнији од лекара у откривању рака плућа на основу резултата скенера у новом истраживању и понудили нови увид у будућност вештачке интелигенције у медицини.

Препознавање образаца и тумачење слика – иста вештина помоћу које људи читају резултате скенера – веома је обећавајућа област када је реч о вештачкој интелигенцији. Похрањивањем огромних количина података у системе назване вештачким неуронским мрежама, истраживачи су успели да обуче компјутере да препознају обрасце повезане са одређеним стањем.

Овај систем прати алгоритам и успут учи. Што више података похрањује, све је прецизнији. Овај процес назива се дубоко учење и већ се користи како би компјутери могли да разумеју говор и региструју објекте – тако аутономни аутомобил препознаје знак „стоп“.


ПРОЧИТАЈТЕ ЈОШ - Вештачка интелигенција до 2050. преузима већину послова?

Гугл је створио системе који патолозима помажу у читању микроскопских слајдова, а офталмолозима у дијагностиковању очних болести. Истраживачи из Гугла и још неколико медицинских центара у новом истраживању су вештачку интелигенцију применили на резултатима скенера снимљеним за дијагностиковање рака плућа који је само у протеклој години однео 1,7 милиона живота.

Скенер, поред тога што открива рак, такође идентификује мрље које се касније могу развити у карцином, тако да радиолози могу да разврстају пацијенте у ризичне групе и процене којим је пацијентима потребна биопсија или чешћа контрола. Скенер, међутим, може да превиди тумор или бенигне мрље замени за злоћудне, а различити радиолози који прегледају исти снимак могу имати потпуно другачија мишљења.

Истраживачи су помислили да би компјутери можда могли да боље обаве посао од лекара. Створили су неуронску мрежу и дали јој снимке пацијената чије су дијагнозе већ претходно утврђене.

“Читав експериментални процес изгледа као да подучавате ђака у школи”, каже др Данијел Це из Гула, аутор чланка о истраживању. “Користимо огромне сетове података за обучавање машине, задајемо јој лекције и квизове како би могла да почне да учи шта је рак и шта се хоће, а шта неће развити у карцином у будућности.”

Систем је тестиран у 6.716 случајева у којима је дијагноза већ позната и у 94 одсто случајева поставио је тачну дијагнозу. У поређењу са шест изванредних радиолога, систем дубоког учења имао је мање лажних позитивних и негативних дијагноза.

Др Ерик Топол, који пише о вештачкој интелигенцији у медицини, али није учествовао у истраживању, каже: “Прилично сам сигуран да ће ово откриће бити корисно, али се мора прво доказати.”

Радиолог који погрешно протумачи снимак може нашкодити једном пацијенту, док систем вештачке интелигенције који не функционише савршено може нашкодити многима, упозорава др Топол. Пре него што се овај систем употреби у пракси, додаје он, требало би да буде тестиран у стварним условима.

“Сарађујемо са институцијама широм света како бисмо дознали који је најпродуктивнији начин за имплементирање ове технологије у клиничку праксу”, каже др Це. “Не желимо да трчимо пред руду.”

(Недељник)