Nova studija koju su vodili istraživači sa Stanford Medicine otkriva da kompjuterski algoritmi zasnovani na veštačkoj inteligenciji na osnovu dubokog učenja mogu pomoći zdravstvenim radnicima da preciznije dijagnostikuju rak kože. Čak i dermatolozi imaju koristi od smernica veštačke inteligencije, iako je njihovo poboljšanje manje nego kod ne-dermatologa.
„Ovo je jasna demonstracija kako se veštačka inteligencija može koristiti u saradnji sa lekarom za poboljšanje nege pacijenata“, rekla je profesorka dermatologije i epidemiologije Eleni Linos, dr. Linos vodi Stenfordski centar za digitalno zdravlje, koji je pokrenut da se pozabavi nekim od najhitnijih istraživačkih pitanja na raskrsnici tehnologije i zdravlja promovišući saradnju između inženjerstva, računarstva, medicine i humanističkih nauka.
Linos, vanredni dekan za istraživanje i profesor medicine Ben Davenport i Lusi Zhang, viši je autor studije, koja je objavljena u npj Digital Medicine. Postdoktorski naučnik Jiieong Kim, Ph.D., i gostujući istraživač Isabelle Krakovski, MD, vodeći su autori istraživanja.
„Prethodne studije su se fokusirale na to kako AI radi u poređenju sa lekarima“, rekao je Kim. „Naša studija je uporedila lekare koji rade bez pomoći veštačke inteligencije sa lekarima koji koriste veštačku inteligenciju kada dijagnostikuju rak kože.
Algoritmi veštačke inteligencije se sve više koriste u kliničkim okruženjima, uključujući dermatologiju. Oni se stvaraju tako što se kompjuteru daju stotine hiljada ili čak milioni slika stanja kože označenih informacijama kao što su dijagnoza i ishod pacijenta.
Kroz proces koji se naziva duboko učenje, računar na kraju nauči da prepozna izdajničke obrasce na slikama koji su u korelaciji sa specifičnim kožnim bolestima, uključujući rak. Jednom obučen, algoritam koji je napisao računar može se koristiti za predlaganje mogućih dijagnoza na osnovu slike kože pacijenta kojoj nije bio izložen.
Međutim, ovi dijagnostički algoritmi se ne koriste sami. Nadgledaju ih kliničari koji takođe procenjuju pacijenta, donose sopstvene zaključke o dijagnozi pacijenta i biraju da li će prihvatiti predlog algoritma.
Kim i Linosov tim pregledao je 12 studija koje su detaljno opisale više od 67.000 procena potencijalnih karcinoma kože od strane raznih praktičara sa i bez pomoći veštačke inteligencije. Otkrili su da su, generalno, zdravstveni radnici koji rade bez pomoći veštačke inteligencije bili u stanju da precizno dijagnostikuju oko 75% ljudi sa rakom kože – statističko merenje poznato kao osetljivost. Nasuprot tome, radnici su tačno dijagnostikovali oko 81,5% ljudi sa kožnim oboljenjima sličnim raku, ali koji nisu imali rak – prateće merenje poznato kao specifičnost.
Zdravstveni radnici koji su koristili AI da usmeravaju svoje dijagnoze prošli su bolje. Njihove dijagnoze su bile oko 81,1% osetljive i 86,1% specifične. Poboljšanje može izgledati malo, ali razlike su kritične za ljude kojima je rečeno da nemaju rak, ali imaju, ili za one koji imaju rak, ali im je rečeno da su zdravi.
Kada su istraživači podelili praktičare zdravstvene nege prema specijalnosti ili nivou obuke, videli su da su studenti medicine, medicinske sestre i lekari primarne zdravstvene zaštite imali najviše koristi od AI smernica – poboljšavajući u proseku oko 13 poena u osetljivosti i 11 poena u specifičnosti. Dermatolozi i specijalizanti dermatologije bili su bolji u celini, ali se osetljivost i specifičnost njihovih dijagnoza takođe poboljšala sa AI.
„Bio sam iznenađen kada sam video kako se preciznost svih poboljšava uz pomoć veštačke inteligencije, bez obzira na njihov nivo obuke“, rekao je Linos. „Ovo me čini veoma optimističnim u pogledu upotrebe AI u kliničkoj nezi. Uskoro naši pacijenti neće samo prihvatati, već i očekivati da koristimo pomoć veštačke inteligencije kako bismo im pružili najbolju moguću negu.“
Istraživači u Stanford centru za digitalno zdravlje, uključujući Kim, zainteresovani su da saznaju više o obećanjima i preprekama za integraciju alata zasnovanih na veštačkoj inteligenciji u zdravstvenu zaštitu. Konkretno, planiraju da istraže kako će percepcije i stavovi lekara i pacijenata prema veštačkoj inteligenciji uticati na njegovu primenu.
„Želimo da bolje razumemo kako ljudi komuniciraju i koriste veštačku inteligenciju za donošenje kliničkih odluka“, rekao je Kim.
Prethodne studije su pokazale da stepen poverenja kliničara u sopstvenu kliničku odluku, stepen poverenja u AI i da li se kliničar i AI slažu oko dijagnoze utiču na to da li kliničar uključuje savete algoritma prilikom donošenja kliničkih odluka za pacijent.
Medicinski specijaliteti kao što su dermatologija i radiologija, koji se u velikoj meri oslanjaju na slike—vizuelnu inspekciju, slike, rendgenske snimke, magnetnu rezonancu i CT skeniranje, između ostalog—za dijagnoze su nisko visi plod za računare koji mogu da izaberu nivoe detalja iznad onoga što je čovek oko (ili mozak) može razumno da obradi. Ali čak i druge specijalnosti zasnovane na simptomima, ili modeliranje predviđanja, verovatno će imati koristi od intervencije veštačke inteligencije, smatraju Linos i Kim. I nisu samo pacijenti ti koji će imati koristi.
„Ako ova tehnologija može istovremeno da poboljša dijagnostičku tačnost lekara i uštedi im vreme, to je zaista dobitna prednost. Pored pomoći pacijentima, mogla bi da pomogne u smanjenju sagorevanja lekara i poboljšanju međuljudskih odnosa između lekara i njihovih pacijenata“, rekao je Linos. .
„Ne sumnjam da će pomoć veštačke inteligencije na kraju biti korišćena u svim medicinskim specijalnostima. Ključno pitanje je kako da obezbedimo da se koristi na način koji pomaže svim pacijentima bez obzira na njihovo poreklo i istovremeno podržava dobrobit lekara.“
