Postoji moć i vrednost u visoko kvalifikovanom detektivu. Šerlok Holms i njegov verni pomoćnik Votson poznati su po tome što su pregledali ogromne količine podataka – identifikovali obrasce i napravili predviđanja kako bi sa lakoćom otkrili misteriju. U svetu medicine, kliničari su detektivi, postavljaju dijagnoze i donose zaključke na osnovu svog kliničkog mišljenja i dostupnih podataka o pacijentima. Ali baš kao i detektivi, kliničari mogu imati koristi od pomoćnika.
U nedavnoj studiji na Medicinskom univerzitetu Južne Karoline (MUSC), Don Rockei, MD, direktor Centra za istraživanje digestivnih bolesti, i Jihad Obeid, MD, profesor biomedicinske informatike, okupili su se kako bi iskoristili veštačku inteligenciju ( AI) pristup automatizaciji identifikacije ciroze jetre korišćenjem velike količine podataka iz elektronskih zdravstvenih kartona (EHR).
Oni izvještavaju u Journal of Clinical Gastroenterologi da je njihov obučeni model konvolucione neuronske mreže (CNN), vrsta AI poznate kao duboko učenje, uspješno identifikovao pacijente sa cirozom sa preciznošću od 97% na osnovu kliničkog teksta samo u rezimeima otpusta pacijenata.
Ciroza, ili nepovratni ožiljci na jetri, poslednji je uobičajeni događaj kod pacijenata sa hroničnim oboljenjem jetre i rangiran je na 9. vodeći uzrok smrti u 2021. od strane Centara za kontrolu i prevenciju bolesti. Ova komplikacija može biti posledica mnogih različitih oblika oštećenja i bolesti jetre. Istorijski gledano, bilo je izazovno predvideti koji pacijenti će napredovati do ciroze.
„Ne znamo ko je u opasnosti od razvoja teških komplikacija bolesti jetre, a identifikacija pacijenata sa cirozom je kritična jer pokušavamo da smanjimo morbiditet i smrtnost od bolesti jetre“, rekao je Roki.
Iako ne postoji lek za cirozu, rano dijagnostikovanje bi pomoglo da se obezbedi najbolji tretman bolesti.
„Ako bismo mogli da identifikujemo pacijenta za kojeg se predviđa da će imati cirozu godinu ili dve ranije, to bi dalo kliničarima vremena da leče i spreče nakupljanje ožiljnog tkiva u jetri, ali i da spreče komplikacije ciroze“, objasnio je Roki.
Kao i svaki dobar pomoćnik, AI sistemi mogu prikupiti i analizirati ogromne količine informacija. Za medicinsku primenu, često crpi te informacije iz EHR-a, u kojem se nalazi zdravstvena istorija pacijenta. Računari odavno mogu da „čitaju“ podatke koji se unose u polja podataka ili formulare u EHR-u.
Međutim, računarima je bilo teže da pristupe informacijama sadržanim u narativnom tekstu, kao što su one koje se nalaze u beleškama kliničara ili otpusnim rezimeima. Raniji pokušaji čitanja ovog narativnog teksta u suštini su se oslanjali na pretraživanje ključnih reči, gde je ključne reči morao da obezbedi kliničar upoznat sa bolešću, koristeći nekoliko krugova pokušaja i grešaka.
U ovoj studiji, istraživači su testirali šta bi moglo biti sposobniji pomoćnik – oblik veštačke inteligencije zasnovane na dubokom učenju kojoj nisu potrebna takva uputstva.
„Lepa stvar u korišćenju modela dubokog učenja je to što model uči iz primera koje mu dajete, a da ga ne obučavate da traži određene reči“, rekao je Obeid.
Istraživači su obučili svoj AI model – konvolucionu neuronsku mrežu koja oponaša neurone u mozgu – koristeći medicinske kartone pacijenata kojima je dijagnostikovana ciroza. Neuronska mreža je analizirala informacije ugrađene u narativni tekst.
„Neuronske mreže daju više snage od tipičnog statističkog AI modela jer se svaki od ovih veštačkih neurona ponaša kao model za sebe, omogućavajući vam da smislite sofisticiraniji način razlikovanja i predviđanja stvari“, naveo je Obeid.
Poput forenzičkog umetnika koji dodaje sloj za slojem osobina da bi nacrtao portret osumnjičenog, Obeid i Rockeijev model neuronske mreže koristi mnogo slojeva veštačkih neurona da izdvoji karakteristike i obrasce koji pomažu u identifikaciji ciroze.
Jednom obučen za evidenciju pacijenata sa poznatom cirozom koja je ustanovljena ručnim pregledom grafikona, Obeid i Rockeijev model je bio izuzetno uspešan u identifikaciji pacijenata sa cirozom u novom skupu zdravstvenih kartona zasnovanih samo na narativnom tekstu u beleškama kliničara.
„Mislim da je uzbudljivo što je bio uspešan u identifikaciji ciroze koristeći samo tekst u rezimeima otpusta, kao i ideja da se to podigne na sledeći nivo da vidimo da li možemo da ga primenimo za raniju identifikaciju“, primetio je Obeid.
AI i mašinsko učenje imaju potencijal da revolucionišu medicinsko polje, rekao je Obeid, ali je važno naglasiti da ove vrste modela nisu namenjene da zamene, već da informišu o kliničkom mišljenju. Kliničari će rešiti slučaj, ali AI može biti moćan pomoćnik u tome.
„Kompjuter je tu da pomogne kliničarima, a ne da ih zamenjuje ili donosi odluke“, rekao je on. „Na kraju, kliničari su odgovorni, a ne kompjuter.
Uz to, Roki je uzbuđen zbog toga kako bi ovi pomoćnici AI mogli da unaprede medicinu i, posebno, upravljanje bolestima jetre.
„Mislim da će se veštačka inteligencija koristiti za predviđanje koliko će bolest postati ozbiljna, u kombinaciji sa genetikom i podacima o slikama“, rekao je Roki. „Ne znam koliko će to trajati da se to shvati, ali ne mogu da zamislim da se to neće desiti.“
