Orvosok nélküli világ helyett szuperhumán orvosok

Tízből egy orvosi diagnózis téves, írja az Institute of Medicine (USA) jelentése, és ezek a diagnosztikai hibák csak az Egyesült Államokban évente 80 000 szükségtelen halálesethez járulnak hozzá. Ezeknek az aggodalomra okot adó számoknak a hátterében az áll, hogy a diagnózisalkotás igen komplex folyamat, része van benne annak, hogy a betegek nem adnak át orvosuknak minden rendelkezésükre álló információt, az információ egy része elvész a különböző egészségügyi ellátók között, az orvosok ítéletalkotását számos előítélet terheli, túlterhelt az egészségügyi személyzet és maga az egészségügyi rendszer is, így számos lehetőség kínálkozik az emberi tévedésre. Ez az oka annak, hogy sokan a mesterséges intelligencia (AI) fáradhatatlan erejét akarják segítségül hívni a pontosabb diagnózisalkotáshoz, írja a New Scientist cikkében Kayt Sukel, majd beszámol az AI orvosi diagnózisalkotásban betöltött jelenlegi szerepéről és a közeljövőbeli kilátásokról, választ ad többek között a következő kérdésekre: Értelmes az a sok felhajtás, ami napjainkban övezi az AI orvosi alkalmazásait? Érdemes bízni a diagnózisalkotó robotokban? Lehetséges, hogy az AI orvosi alkalmazásai feleslegessé teszik majd az orvosokat vagy legalábbis egy részüket? Mint Sukel írja, már ma is elérhetők AI alapú diagnosztikus applikációk, amikkel nem csak a Szilikon-völgyben lehet megspórolni az orvosi vizitet: az angliai National Health Service (NHS) épp most tesztel egy AI alapú mobilalkalmazást, hogy kiderüljön, le lehet-e cserélni vele a telefonos elsősegélyvonalakat.

Az applikációk agyát adó AI képességeinek hátterében sokszor az ún. mély tanulásos algoritmusok állnak, amikor a gép nem kap alkalmazandó szabályokat, hanem azokat az adatokból saját magának kell összeállítania. Az óriási adatbázisok korában az AI-fejlesztők sokat használják a gépi mély tanulás módszerét, ami által a saját magát képző rendszer a diabétesz-regiszterek vagy a tüdőrák-regiszterek adatait felhasználva pontosabb diagnózisalkotásra lesz képes, mint az ember. „A melanóma-felismerésre kifejlesztett AI-rendszerünk már ma is pontosabb a diagnosztizálásban, mint a dermatológusok”, mondja Sebastian Thrun (Stanford University), aki munkatársaival mély tanulással trenírozott neurális hálózat révén ért el kiváló eredményeket: több mint 100000, különféle bőrproblémát ábrázoló képet mutattak a rendszernek, ami aztán 14000 új képen tesztelve pontosabban diagnosztizálta a melanomát, mint a képzett emberek. A mély tanulást alkalmazó rendszerek már a diabéteszes retinopathia diagnosztizálásában is jobbak, más AI-k CT és MRI felvételeken azonosítják a rákot, vagy az általános egészségi adatok alapján jósolják meg a szívroham valószínűségét.

Mit tudnak ezek a rendszerek, amire az orvosok nem képesek? Erre a kérdésre nem mindig lehet válaszolni, mivel nem minden rendszert terveznek úgy, hogy képes legyen közölni, milyen szabályok alapján alkotta meg a diagnózist; a Thrunék által létrehozott rendszer pl. egy fekete doboz, így nem tudjuk, milyen sajátosságok alapján ítél. Ez sokakat tölt el aggodalommal, akik többek között arra hivatkoznak, hogy a fekete doboz olyan sajátságokra is alapozhat, amik nem állandóak az idő során, vagy felesleges összefüggéseket használhat, mint az az AI, amelyik nagy pontossággal azonosította a vastagbélrákos eseteket egy elektronikus adatbázisból, azonban később kiderült, ezt arra alapozta, hogy a bizonyított eseteket mind ugyanahhoz a speciális ellátórészleghez utalták. Thrun szerint mindazonáltal a black box probléma megoldása egyszerű: „Ha egy orvos diagnosztizál egy melanomát, akkor sem kérdezzük meg tőle, milyen szabályok alapján hozta meg a döntését, egyszerűen elmegyünk biopsziára. Csak azért, mert nem ismerjük a szabályokat, még nem kell bizalmatlanoknak lennünk irántuk.”

Azonban azt Thrun is elismeri, hogy a mély tanuláson alapuló eszközök is csak annyira jók, mint amennyire pontosak és összevethetők azok az adatok, amiket felhasználva tanulnak. Az elektronikus orvosi feljegyzések korában ma már nem is az adatmennyiséggel van a gond, mint Thrun kifejti, az AI-fejlesztésre fordított energia 90%-a az adatok tisztítására megy el, és egy újonnan kialakuló vagy evolválódó betegség még így is felboríthatja a rendszert. Vagyis az algoritmus finomításához emberi szupervízióra, az adott szakterülethez jól értő szakemberre van szükség. A dermatológia mellett az AI a radiológia, a patológia és a sebészet területén is sok orvost helyettesíteni fog, továbbá lehetővé teszi, hogy azok is használható orvosi tanácshoz jussanak, akik távoli helyeken élnek.

Meg fog változni az orvosképzés is, az adatok bemagolása helyett a problémamegoldásra, a kritikus gondolkodásra fog helyeződni a hangsúly, és arra, hogy hogyan lehet a legjobban kezelni az AI-k által gyakorta produkált „valószínűségi választ”.

Bár ma még a kórházakban nem használnak mély tanuló diagnosztikus rendszereket, csak kutatási környezetben, azonban sokak szerint ez 5 éven belül meg fog változni. Eric Horvitz, a Microsoft orvosi AI kutatója szerint azok az eszközök fognak legelőbb elterjedni, amelyek a krónikus betegségek – diabétesz, arthritisz, hipertónia, asztma – menedzselésében segítenek az orvosoknak, a folyamat progressziójának jobb megértésében, már csak azért is, mert ezek a betegségek okozzák a legtöbb kiadást.

Az AI-k új lehetőségeket fognak ajánlani a mentális egészségügy területén is, mondja Valentin Tablan, az IesoDigital Health kutatója. Az Ieso online kognitív viselkedésterápiát szolgáltat az NHS betegeinek, már több mint 10000 beteg kezelésének digitális adataival rendelkezik, és ezt az adatbázist felhasználva AI segítségével akarják kimutatni, hogy mi is az ebben a terápiában, ami valójában a gyógyhatást biztosítja. Az AI nem helyettesíteni fogja az orvost, mondja Isaac Kohane, a Harvard MedicalSchool bioinformatikai részlegének vezetője is, hanem emberfeletti – szuperhumán – orvosok létrejöttét eredményezi: az AI-vel felszerelt orvosok maguk rendelkeznek majd a különleges képességekkel, hiszen nem kell majd papírmunkát végezniük, képesek lesznek az exponenciálisan növekvő mennyiségű tudás nyomon követésére, és jobban koncentrálhatnak majd magára a beteg emberre.

Kohane szerint a háziorvoslás is alaposan meg fog változni az AI miatt: a háziorvos képes lesz specializált ellátás nyújtására is, így pl. a rendelőjében saját maga végez majd képalkotó vizsgálatokat és dermatológiai procedúrákat, és csak akkor küldi betegét specialistához, ha valamit az AI segítségével sem tud megoldani. Ez sokkal holisztikusabb megközelítést tesz majd lehetővé, nem kell a betegnek féltucat orvos között keringenie.

A pszichológusok szerint nem valószínű, hogy az AI-k valaha is teljesen helyettesíthetik az orvosokat, de a mesterséges intelligencia csökkenteni fogja az orvosok túlterheltségét, lehetővé teszi, hogy az orvos jobban figyeljen a betegére, segít a prioritások felállításában, annak megállapításában, hogy kinek van szüksége azonnali segítségre, hatékonyabbá teszi az egészségügy működését. Mint Vimla Patel kognitív pszichológus és biomedikai informatikai szakértő (NewYork Academy of Medicine) leszögezi, az orvos és beteg közötti empatikus viszonyra mindig szükség lesz, és az AI, bármennyire szofisztikált legyen is, a bonyolult orvosi döntésekben sem helyettesítheti az emberi észt.