Τεχνητή νοημοσύνη αποδείχθηκε καλύτερος εντατικολόγος από τον άνθρωπο!

Η τεχνητή νοημοσύνη έχει ήδη αρχίσει να χρησιμοποιείται στην Ιατρική. Για παράδειγμα, σε κάποιες περιπτώσεις αποτελεί πολύτιμο βοηθό στη διάγνωση νόσων καθώς εάν εξασκηθεί κατάλληλα μπορεί να «διαβάζει» τις ιατρικές απεικονίσεις με μεγάλη ακρίβεια διακρίνοντας αν υπάρχουν ή όχι παθολογικοί ιστοί.

Ωστόσο είναι πολύ πιο δύσκολο να εκπαιδευθεί ένα σύστημα ΑΙ ώστε να λαμβάνει σωστές θεραπευτικές αποφάσεις και μάλιστα στις πιο δύσκολες συνθήκες – μέσα σε Μονάδες Εντατικής Θεραπείας (ΜΕΘ) όπου νοσηλεύονται βαριά ασθενείς των οποίων η ζωή συχνά κρέμεται από μια κλωστή. Αυτό ακριβώς επέτυχε ένα σύστημα ΑΙ το οποίο ανέπτυξαν ερευνητές του Πανεπιστημίου Τεχνολογίας της Βιέννης (TU Wien) σε συνεργασία με ειδικούς του Ιατρικού Πανεπιστημίου της Βιέννης, σύμφωνα με δημοσίευσή τους στο επιστημονικό περιοδικό «Journal of Clinical Medicine».

Οταν ο υπολογιστής επιλέγει τη θεραπεία

Με τη βοήθεια μεγάλου εύρους δεδομένων που ελήφθησαν από ΜΕΘ πολλών νοσοκομείων, οι ερευνητές ανέπτυξαν το σύστημα ΑΙ το οποίο μπορεί να κάνει προτάσεις σχετικά με το ποια θεραπευτική προσέγγιση πρέπει να ακολουθηθεί σε βαριά ασθενείς με σηψαιμία. Αναλύσεις έδειξαν ότι η τεχνητή νοημοσύνη ήταν σε θέση να λαμβάνει αποφάσεις καλύτερες από εκείνες των ανθρώπων. Ωστόσο, όπως επισημαίνουν οι ερευνητές, είναι πολύ σημαντικό να τεθούν επί τάπητος και οι νομικές προεκτάσεις της χρήσης τέτοιων μεθόδων εντός των ΜΕΘ.

Λήψη καλύτερων αποφάσεων

«Μέσα στη ΜΕΘ, συλλέγονται ολόκληρο το 24ωρο πολλά δεδομένα. Οι ασθενείς παρακολουθούνται με ιατρικά μηχανήματα νυχθημερόν. Θελήσαμε να διερευνήσουμε αν αυτά τα δεδομένα θα μπορούσαν να χρησιμοποιηθούν με ακόμη καλύτερο τρόπο σε σχέση με σήμερα» ανέφερε ο καθηγητής Κλέμενς Χάιτζινγκερ από το Ινστιτούτο Ανάλυσης και Επιστήμης των Υπολογιστών στο TU Wien και περιέγραψε ότι το ιατρικό προσωπικό της ΜΕΘ λαμβάνει αποφάσεις για τη θεραπεία των ασθενών με βάση συγκεκριμένους κανόνες. Τις περισσότερες φορές οι γιατροί γνωρίζουν πολύ καλά ποιες παραμέτρους πρέπει να λάβουν υπόψη τους προκειμένου να παρέχουν την καλύτερη δυνατή φροντίδα στους ασθενείς τους. Ωστόσο η Τεχνητή Νοημοσύνη μπορεί να λάβει πολύ περισσότερες παραμέτρους υπόψη της σε σχέση με τον άνθρωπο, γεγονός που σε κάποιες περιπτώσεις την οδηγεί στη λήψη καλύτερων αποφάσεων.

Η επιβράβευση και η τιμωρία

Ο καθηγητής Χάιτζινγκερ εξήγησε ότι η ερευνητική ομάδα χρησιμοποίησε μια μορφή μηχανικής μάθησης που ονομάζεται ενισχυτική μάθηση. «Αυτού του τύπου η μάθηση δεν αφορά την απλή κατηγοριοποίηση – για παράδειγμα να διαχωρίζει έναν μεγάλο αριθμό εικόνων σε αυτές που δείχνουν καρκινικούς όγκους και σε εκείνες που δεν δείχνουν. Αφορά μια συνεχώς μεταβαλλόμενη αξιολόγηση σχετικά με την εξέλιξη που αναμένεται να έχει ένας ασθενής. Μαθηματικά αυτό είναι διαφορετικό. Εχει γίνει λίγη έρευνα στο συγκεκριμένο πεδίο στην Ιατρική».

Ουσιαστικώς ο υπολογιστής λαμβάνει τις δικές του αποφάσεις, ανάλογα με τις οποίες επιβραβεύεται ή τιμωρείται. Αν ο ασθενής έχει καλή εξέλιξη λαμβάνει ένα «εικονικό βραβείο» ενώ αντιθέτως αν η κατάσταση του ασθενούς χειροτερεύσει ή αν χάσει τη ζωή του το σύστημα ΑΙ «τιμωρείται». Ποιο είναι το βραβείο; Το να μπορεί να προχωρήσει σε περισσότερη… δράση. Με αυτόν τον τρόπο αναλύεται ένας μεγάλος όγκος ιατρικών δεδομένων ώστε να προσδιοριστεί αυτόματα μια θεραπευτική στρατηγική που θα έχει τα καλύτερα δυνατά αποτελέσματα.

ΑΙ- γιατροί: σημειώσατε 1

«Η σηψαιμία είναι μια από τις πιο κοινές αιτίες θανάτου στις ΜΕΘ και αποτελεί μια τεράστια πρόκληση για τους γιατρούς και τα νοσοκομεία, καθώς η πρώιμη ανίχνευση και η θεραπεία της είναι ζωτικής σημασίας για την επιβίωση των ασθενών» σημείωσε ο καθηγητής Ολιβερ Κίμπεργκερ από το Ιατρικό Πανεπιστήμιο της Βιέννης και συμπλήρωσε ότι «μέχρι σήμερα έχουν υπάρξει λίγα επιτεύγματα στο συγκεκριμένο πεδίο, γεγονός που καθιστά την ανάγκη για νέες θεραπείες επείγουσα. Για αυτόν τον λόγο είναι άκρως ενδιαφέρον να να διερευνήσουμε κατά πόσο η τεχνητή νοημοσύνη μπορεί να συνεισφέρει στη βελτίωση της ιατρικής φροντίδας και περίθαλψης. Η χρήση μοντέλων μηχανικής μάθησης και άλλων τεχνολογιών ΑΙ είναι μια ευκαιρία για βελτίωση της διάγνωσης και θεραπείας της σηψαιμίας, αυξάνοντας τις πιθανότητες επιβίωσης των ασθενών».

Η ανάλυση των ειδικών στην Αυστρία έδειξε ότι η τεχνητή νοημοσύνη ξεπέρασε τον άνθρωπο στο συγκεκριμένο πεδίο: «Τα ποσοστά θεραπείας είναι πλέον υψηλότερα με χρήση της ΑΙ στρατηγικής σε σχέση με το αν λαμβάνονταν αποκλειστικώς ανθρώπινες αποφάσεις. Σε μια από τις μελέτες μας τα ποσοστά θεραπείας – τα οποία ορίστηκαν ως αποφυγή της θνησιμότητας σε διάστημα 90 ημερών – αυξήθηκαν κατά περίπου 3%, σε περίπου 88% χάρη στην τεχνητή νοημοσύνη» είπε ο δρ Χάιτζινγκερ.

Πολύτιμος 24ωρος βοηθός στο… προσκεφάλι των ασθενών

Οπως τόνισε βέβαια ο καθηγητής, αυτό δεν σημαίνει ότι οι ιατρικές αποφάσεις μέσα στις ΜΕΘ πρέπει να λαμβάνονται αποκλειστικά από τους υπολογιστές. Η τεχνητή νοημοσύνη θα μπορούσε όμως να αποτελεί έναν σημαντικό βοηθό που θα βρίσκεται ασταμάτητα στο… προσκεφάλι των ασθενών και το ιατρικό προσωπικό θα μπορεί να τη συμβουλεύεται και να αξιολογεί τις προτάσεις της. Αυτού του είδους τα συστήματα θα είναι και πολύ χρήσιμα στην εκπαίδευση των φοιτητών και των νέων γιατρών.

Νομικά ζητήματα εν όψει

«Ολα αυτά βέβαια εγείρουν σημαντικά ερωτήματα, κυρίως νομικής φύσεως» υπογράμμισε ο καθηγητής Χάιτζινγκερ. «Για παράδειγμα ποιος θα είναι ο υπεύθυνος εάν η τεχνητή νοημοσύνη κάνει κάποιο ιατρικό λάθος; Υπάρχει όμως και το αντίστροφο πρόβλημα: τι θα συνέβαινε αν η τεχνητή νοημοσύνη είχε λάβει τη σωστή απόφαση, αλλά ο γιατρός διάλεξε διαφορετική θεραπευτική προσέγγιση με αποτέλεσμα να μην έχει καλή έκβαση ο ασθενής; Σε μια τέτοια περίπτωση πρέπει να κατηγορηθεί ο γιατρός επειδή θα έπρεπε να είχε εμπιστευθεί την τεχνητή νοημοσύνη ή είναι δικαίωμά του να αγνοεί τις συμβουλές της;». Ο καθηγητής κατέληξε λέγοντας πως «τα ευρήματά μας δείχνουν ότι η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί με επιτυχία στην κλινική πράξη με βάση την υπάρχουσα τεχνολογία – ωστόσο πρέπει να τεθεί επί τάπητος το κοινωνικό πλαίσιο και οι νομικοί κανόνες που θα διέπουν τη χρήση της εντός των ΜΕΘ».