(Kiemelt kép: Unsplash)
Az MI nem helyettesíti a gyógyászatot, vagyis nem fog egy napon véget vetni a betegségeknek (pl. koszorúér-betegség vagy rák); azonban rohamos fejlődése, az adatok tömeges felhalmozása (azaz a Big Data) és megosztása az egészségügyben elvezethet ahhoz, hogy egyre jobban fel tudjuk térképezni, ki van kitéve betegség kockázatának. Ha időben beavatkozhatunk, és elkezdhetjük a kezelést, akkor megakadályozhatjuk azt is hogy bármely betegség valaha is kialakuljon.
Természetesen az, hogy segítünk az embereknek elkerülni a betegségeket, nem ugyanaz, mint a annak a gyógyítása. Bizonyos esetekben nem is lehet igazán jól meghatározni, hogy mi is jelenti a gyógyulást. Azonban egy betegség megelőzése az egyén számára jobb, mint a betegség gyógyítására tett minden kísérlet. Az egészségügyi vállalatok rutinszerűen vesznek fel adatokat az elektronikus egészségügyi nyilvántartásokból (EHR), az igénylésekből, a receptekből, a biometrikus adatokból és számos adatforrásból, hogy saját modelleket hozzanak létre a „veszélyeztetett” betegek azonosítására. Az egészségügyi alkotóelemeknek mesterséges intelligenciát kell alkalmazniuk a döntések támogatására és ajánlások megtételére az összes beteg számára egészségügyi ellátást nyújtó orvosok értékelése és megállapításai alapján, hogy a megelőzés hatékony legyen. A mesterséges intelligencia olyan technológia, mely képes tanulni és alkalmazkodni, így az egészségügyben az MI olyan feladatok elvégzésére használható, mint a diagnózis, a kezelés és a prognózis. Hogyan szabhatja személyre és teheti jobbá az MI az egészségügyet?
Diagnózis
Az egyik legfontosabb terület, ahol az MI jelentős hatást gyakorolhat, az a betegségek megfelelő diagnosztizálása. Az algoritmusok képesek elemezni az orvosi adatokat, a betegek kórtörténetét, tüneteit és vizsgálati eredményeit, hogy pontosan diagnosztizálják a felmerülő betegségeket. Ez különösen hasznos azokban az esetekben, amikor az orvosok csak korlátozott tudással vagy tapasztalattal rendelkeznek a ritka betegségek diagnosztizálásában.
Az MI egyik példája a diagnosztikában az IBM Watson, ami természetes nyelvfeldolgozó és gépi tanulási algoritmusokat használ az orvosi adatok elemzéséhez. A rendszer képes elemezni a betegadatokat, és az orvosok rendelkezésére bocsátani a lehetséges diagnózisok és kezelési lehetőségek listáját. Ez segíthet az orvosoknak abban, hogy megalapozottabb döntéseket hozzanak a páciensek számára a legjobb kezelésről.
Személyre szabott kezelés
Egy másik terület, ahol a mesterséges intelligencia jelentős hatást gyakorolhat, az a személyre szabott kezelés. A perszonalizált medicina magában foglalja a kezelésnek az egyén egyedi genetikai, életmódbeli és környezeti tényezőihez való igazítását. Az MI-algoritmusok képesek nagy mennyiségű adatot elemezni és olyan mintákat azonosítani, melyek felhasználhatók a kezelés személyre szabásához. A mesterséges intelligenciát alkalmazó személyre szabott kezelés egyik példája a CancerLinQ, ez egy olyan platform, mely mesterséges intelligenciát használ a rákos betegek adatainak elemzésére.
Képes az adatokban mintákat azonosítani, és személyre szabott kezelési lehetőségeket ajánlani az orvosoknak. Egy másik példa az Insilico Medicine, mely MI-t használ arra, hogy személyre szabott kezelési terveket dolgozzon ki különböző betegségekben szenvedő páciensek számára. A rendszer a a gépi elme segítségével elemzi a betegek adatait, a kórtörténetet, a genetikai információkat és az életmódbeli tényezőket, hogy testre szabott kezelési tervet dolgozzon ki az egyes betegek számára.
Precíziós orvostudomány
A precíziós orvoslás az orvosi ellátás új megközelítése, mely a kezelést a beteg egyedi genetikai felépítéséhez igazítja. A mesterséges intelligencia algoritmusok képesek a genetikai adatok elemzésére a mutációk és egyéb eltérések azonosítása érdekében, melyek felhasználhatók a személyre szabott kezelési tervek kidolgozásához. Az MI-t alkalmazó precíziós orvoslás egyik példája a rákgenom atlasz (TCGA). A TCGA egy olyan projekt, mely a rákos betegek genetikai adatainak elemzésével foglalkozik, hogy azonosítani lehessen a precíziós orvoslással megcélozható genetikai mutációkat. Egy másik példa a Human Longevity Project, amely MI-t használ a betegek genetikai adatainak elemzésére, hogy azonosítsa azokat a genetikai mutációkat, melyek növelhetik bizonyos betegségek kockázatát. A rendszer ezután személyre szabott ajánlásokat tud adni a betegeknek, hogy csökkentsék eme betegségek kialakulásának kockázatait.
Prediktív analitika
Egy másik terület, ahol a mesterséges intelligencia jelentős hatást gyakorolhat még, az a prediktív analitika. Ez magában foglalja az adatelemzés felhasználását a jövőbeli eseményekre vonatkozó előrejelzések elkészítésére. Az egészségügyben a prediktív analitika felhasználható arra is, hogy „megjósolja” a betegeknél bizonyos betegségek vagy szövődmények kialakulásának valószínűségét. A mesterséges intelligenciát alkalmazó prediktív analitika egyik példája a kórházi visszafogadási program (HRRP). A HRRP mesterséges intelligenciát használ a betegadatok elemzésére, hogy megjósolja a visszafogadásuk valószínűségét. A rendszer ezután ajánlásokat tud adni a beavatkozásokra a visszafogadás kockázatának csökkentése érdekében. Egy másik példa az EarlySense rendszer, mely MI-t használ a betegadatok elemzésére, a nyomási fekély (decubitus, felfekvés) kialakulásának valószínűségét megbecsülve. A rendszer ezután ajánlásokat tud adni a felfekvések kialakulásának megelőzésére irányuló leendő beavatkozásokra.
MI egészségügyi mítoszok
Láthatóan nagyok az elvárások a mesterséges intelligenciával kapcsolatban az egészségügyben, de pontosan mit is kellene megoldania az MI-nek? Az emberek azt várják az MI-től, hogy megjósolja a jövőbeli betegségeket, megelőzze azokat, javítsa a kezelésüket, leküzdje az egészségügyi ellátáshoz való hozzáférés akadályait, megoldja a túlterhelt és kiégett orvosok és segédszemélyzet terheit, és összességében javítsa az emberek egészségét, miközben csökkenti az egészségügyi ellátás költségeit is. Bár mindezek egy része megvalósítható, a mesterséges intelligencia nem csodaszer minden egészségügyi probléma megoldására. Érdemes a jövőtechnológia majdani hatásának „megjóslásához” elővenni az Amara-törvényt, mely szerint „hajlamosak vagyunk rövid távon túlbecsülni egy technológia hatását, hosszú távon pedig alábecsülni azt”. A mesterséges intelligenciával kapcsolatos egyik legfontosabb mítosz, hogy az MI felváltja majd az orvosokat és más ma még sikeresnek vélt egészségügyi szolgáltatót. Az MI ma a képzett és tapasztalt orvosok által biztosított tudásbázisra támaszkodik alapvetően. Így nem helyettesítheti az emberi interakció egyetlen „gondozási” aspektusát és a hozzá kapcsolódó dokumentált terápiás hatásokat sem. A mesterséges intelligencia nem képes a legjobb megoldás meghatározására sem, amikor a beteg holisztikus áttekintése olyan megközelítést javasolna, mely az emberi kreativitásra, ítélőképességre és éleslátásra támaszkodik. Vegyünk például egy egyébként egészséges kilencvenéves beteget, akinél egy azonnal kezelhető rákos megbetegedés alakult ki. A logika és a jelenlegi orvostudomány a rák elpusztítására irányuló agresszív kezelést támogatná. Az emberi szempont akkor kerül a képbe, amikor ugyanez a beteg tudatja a kezelőorvosával, hogy megözvegyült és egyedül van, és bár nem depressziós, úgy érzi, hogy teljes életet élt, és elutasítja a kezeléseket. Az MI és a legtöbb orvos a kezelés mellett érvelne. A beteg autonómiája és az egyén kívánságainak holisztikus felülvizsgálata, valamint az egészségügyi döntésekkel kapcsolatos autonómia itt azonban elsőbbséget élvez, és ezt egy emberi felügyelet nélkül működő autonóm MI-egészségügyi-algoritmus nyilvánvaló, hogy elmulasztotta volna.
A mesterséges intelligencia képes megfelelő stratégiákat alkalmazni az egészségügy irányítására, de a nyers adatoktól a döntésig tartó lépések összetettek, és emberi észlelésre és meglátásokra van szükség. A folyamat a számtalan forrásból származó klinikai adatokkal kezdődik, melyeket felépítenek és továbbfejlesztenek, hogy releváns információkká váljanak, aztán felhasználnak és alkalmaznak az egyénekre. A nyers adatokból és a hozzájuk kapcsolódó meglátásokból az „intelligenciává válás” egy olyan folyamat, melyet az MI-t használó adattudósokkal együttműködő orvosok irányítanak. Az adatok klinikai értelmezése az emberektől és a betegségfolyamatok megértésétől és annak a betegség előrehaladásának idővonalára gyakorolt hatásától függ, mely ezt a korai tudást formálja. A betegség kezelését szolgáló algoritmusok, a betegség kialakulásának valószínűségét előrejelző kockázati tényezők azonosítása, mindez a betegség folyamatának és az emberi állapotnak az emberi megértésén és értelmezésén alapul. A mesterséges intelligencia és az orvosok tevékenységei összefonódnak, és így együttesen az egészség javításának lehetőségei így már figyelemre méltóak lehetnek. A mesterséges intelligencia eredendő előnyökkel és széles körű alkalmazási lehetőségekkel rendelkezik már, de az MI csak az emberi társaival együttműködve teszi lehetővé, hogy eszközei igazán a gyakorlatban is hatásosak legyenek. A mesterséges intelligencia nem fogja helyettesíteni az egészségügyi szolgáltatókat, de az orvos mellett a betegségek azonosításának és kezelésének hatékony eszköze lehet így a jövőben.
