Može li AI predvidjeti tumor, ali i spasiti živote?

Piše: Ian Graber-Stiehl

Pacijent nervozno čeka u doktorovoj ordinaciji. Specijalista ulazi da ga informira da mu je dijagnosticiran tumor. No, imaju i dobre vijesti. Otkriven je u ranoj fazi i pacijent ima odlične šanse za puni oporavak.

Vještačka inteligencija (AI) je analizirala cijelu medicinsku historiju pacijenta. Primjetivši nekoliko ranih indikatora, zaključila je da je pacijent u velikoj opasnosti za dobijanje raka. Zbog toga su traženi snimci pacijenta.

Snimke je analizirao drugi AI program i označeni su kao pokazatelji rane faze tumora. Treća platforma je analizirala trenutno i ranije stanje pacijenta i recepte koje je imao kako bi pomogla doktoru da izbjegne kombinacije lijekova koje bi mogle biti problem. A još jedan AI sistem je pomogao ubrzanju administrativne dokumentacije i napravio efikasan raspored sastanaka sa doktorima specijalistima.

Trenutno je ovaj prikaz uključenja vještačke inteligencije u svaki dio zdravstvenog sistema uglavnom u sferi naučne fantastike. No, brojni stručnjaci i kompanije se nadaju da će to biti stvarnost za nekoliko godina.

Razvoj generativnih AI platformi kao što je ChatGPT pojačao je globalnu debatu o budućnosti odnosa čovjeka i mašina. Ovi programi mogu obraditi i kreirati tekstualni sadržaj, interaktivni su i razumljivi na načine koji su više intuitivni nego ranije generacije AI-a. Ljudi su se platformama kao što je ChatGPT počeli okretati i za terapiju.

Iako je ovakav oblik AI izazvao brojne naslove u medijima, mnogi zupčanici mašinerije moderne medicine postaju inteligentniji prihvatanjem drugačijeg oblika AI – onog koji bi iz temelja mogao promijeniti zdravstvo, ali je izazvao i složen set pitanja koja bi mogla odrediti budućnost sektora.

Može li AI zaista pomoći doktorima da predvide bolesti? Može li i liječenje unaprijediti? Koja su pravila ove igre? A koje su opasnosti?

Kratki odgovor: AI obećava u sferama dijagnoze, predviđanja, te čak potencijalnog liječenja brojnih zdravstvenih situacija, navode vodeći naučnici i biznismeni koji stoje iza ove tehnologije. No, ona je tek u povoju. Bilo je – i bit će – problema. A ključna tehnička ograničenja, kao i etička pitanja, i dalje su bez odgovora.

Nije novo putovanje

Zdravstveni AI postoji duže nego što mnogi misle. Univerzitet Stanford je 1970-ih prvi napravio AI alatku po imenu MYCIN koja je trebala pomoći ljekarima u uspostavljanju dijagnoze i liječenja bakterijskih infekcija krvi i meningitisa. Koristila je dostupno znanje i kapacitete stručnjaka u određenom domenu, a predstavljala se u oblicima „šta ako“ – funkcioniravši kao inteligentni nacrt gdje odgovori da ili ne, a odnose se na stanje pacijenta, vode određenim putem kroz set ranije utvrđenih odgovora.

Korišten za ograničenu svrhu propitivanja pacijenta za informacije i pokušavajući dijagnosticirati infekciju, MYCIN je imao podjednake rezultate sa stručnjacima za bakterijska oboljenja. No, pristup ograničen pravilima mu je davao malo prostora za učenje.

Oblik i fleksibinost zdravstvenog AI dramatično se promijenio od vremena MYCIN. Sada postoje brojni oblici AI koji se istražuju za korištenje u raznim potrebama zdravstvenog sistema. U SAD-u se od 2018. do 2019. više nego udvostručilo korištenje AI u organizacijama društvenih nauka i zdravstva.

Pandemija je samo ubrzala taj trend. Globalno je 2021. udvostručeno investiranje u zdravstveni AI u odnosu na godinu ranije. Lani je međunarodno tržište medicinskog AI bilo vrijedno više od četiri milijarde dolara i očekuje se kako će tokom naredne decenije svake godine rasti za četvrtinu.

Većina napretka nastala je mašinskim učenjem gdje AI pokušava podražavati postepene metode kojima i čovjek uči. Prve zvijezde showa su vještačke neuralne mreže (ANN), sa brojim čvorištima povezanim kao neuroni i organizirani po slojevima. Svaki sloj analizira informacije i vrši operacije prije nego ih proslijedi narednom.

Ako bi neuralnu mrežu, na primjer, pitali da identificira tumor, program bi mogao početi raditi isticanjem ivica i gradijenta, pomagavši pri „identifikaciji granica između tumora i okružujućeg tkiva“, govori Nafiseh Ghaffar Nia, stručnjakinja sa Univerziteta Tennessee koja je nedavno objavila analizu AI tehnika u dijagnozi i predviđanju.

Kako ta informacija ide dalje, naredni slojevi bi analizirali detaljnije karakteristike, bilježeći neregularne teksture tumora i tok razvoja sve dok slojevi ne skupe sve ove infomacije u složenu analizu tumora, sa oblikom, veličinom, pozicijom, te eventualnom dijagnozom razvoja kao benignog ili malignog.

Pošto ANN može učiti sa manje kontrole, postaje standarni pristup za mnoge medicinske aplikacije uključujući dijagnostiku tumora, premda mnogi alati koriste mješavinu AI tehnika.

U središtu svega je jasan set medicinskih ciljeva u odnosu na koje se AI testira, govori Nigam Shah, vodeći naučnik za obradu podataka na odsjeku zdravstva na Stanfordu. „Svaki AI koji pratimo svest će se na tri stvari: klasifikaciju, predviđanje ili preporuke – medicinski rečeno dijagnoza, te liječenje“.

Obećanje

Posebna prednost koju AI nudi u dijagnozi je medicinsko snimanje – dobar je u prepoznavanju uzoraka. U konačnici, govori Sanjeev Agrawal, predsjednik analitičke kompanije LeanTaas, AI može biti obučen da obradi količinu snimaka koje čovjek nikada neće moći analizirati u tom kapacitetu.

A neuralne mreže su imale značajnu praksu – 2012. je prvi put ustanovljeno da program bolje procjenjuje snimak od čovjeka (ImageNet Large Scale Visual Recognition Challenge).

Od tada se AI razvio do tačke kada se može nositi sa zaista složenim problemima snimaka. Agrawal ukazuje na Googleovu AI platformu DeepMind i njeno modeliranje strukture ljudskih proteina kao jedno od najvećih dostignuća takvih medicinskih alatki. Modeliranje ponašanja proteina, kako to DeepMind radi, je „problem snimaka, ali problem trodimenzionalnih snimaka koji čovjek nikada sam ne bi riješio“, navodi Agrawal.

Pored snimaka, AI može raditi na osnovu drugih podataka iz elektronskih podataka o zdravlju pacijenta kako bi došao do zaključka kako je neko dobio određenu bolest.

Samira Abbasgholizadeh-Rahimi, profesorica sa Univerziteta McGill, nedavno je vršila kontrolu AI aplikacija u primarnom zdravstvu. Za Al Jazeeru kaže kako je ustanovila da AI posebno obećava u sferi dijagnosticiranja kardiovaskularnih bolesti, problema sa očima, dijabetesa, tumora, ortopedskih problema i infektivnih oboljenja.

Alatke AI koje se bave predviđanjima imaju još širu upotrebu. Ustanovljeno je da se mogu koristiti za predviđanje brojnih stanja – poput dijabetesa tip 2, srčanih oboljenja, Alchajmerove i bolesti bubrega – na osnovu načina života, historije bolesti, genetskih faktora…

U posljednjih nekoliko mjeseci se bilježi značajan napredak u korištenju AI pri identifikaciji opasnosti od raka. Junsko istraživanje pokazuje kako može nadmašiti standardne modele predviđanja tumora dojke. U januaru su naučnici sa Instituta tehnologije Massachusetts objavili mašinu za predviđanje razvoja raka pluća na osnovu AI. Potom su u maju naučnici sa Harvarda pokazali da AI alatka može identificirati ljude sa najvišom stopom opasnosti dobijanja raka pankreasa do tri godine prije prave dijagnoze.

To nije sve. U martu su naučnici Univerziteta British Columbia pokazali da AI program može predviđati šanse za preživljavanje tumora bolje od ranijih alatki. Također, AI može predviđati moguću opasnost i efekte raznih lijekova, što pomaže pri procesu testiranja lijekova i njihovom dolasku na tržište.

No, alatke za mašinsko učenje mogu i žestoko pogriješiti

Pad na ispitu

Barem u teoriji, AI ima potencijala da predviđa ozbiljnost infekcija i model širenja epidemije. Pandemija COVID-19 dovela je do eksplozije pojave AI alatki koje su baš to obećavale. Ali, rezultati su bili poražavajući.

Dva poznata testa skoro 650 AI programa za dijagnozu i liječenje COVID-19 pokazala su kako nijedan nije za kliničku upotrebu. Druge provjere AI platformi za predviđanje širenja COVID-19 pokazale su se jako neefikasne – vjerovatno zbog, u prvom redu, problema sa dostupnosti podataka. Ovi rezultati pokazuju sudar sa stvarnošću zdravstvenog AI – alati koji se zaista mogu uključiti u medicinu su i dalje u povojima.

„Više od 95 posto AI su razvijeni, testirani, ali nikada nisu došli do faze implementacije“, navodi Abbasgholizadeh-Rahimi u njenoj studiji.

Ključno u izazovima sa kojima se AI suočava u medicini su tri velika ograničenja u podacima koji se koriste pri razvoju: njihov nedostatak, ograničenost pristupa i kvaliteta.

Za funkcioniranje većine AI, program mora biti obučen na podacima koje su potvrdili stručnjaci. Mnoge bolesti jednostavno nemaju takve podatke, premda se istražuje nekoliko tehnika kako bi se smanjila ovisnost AI na velikoj količini podataka koje su potvrdili stručnjaci.

Ipak, i kada postoje podaci, ne znače kako su dostupni timovima koji rade na AI. Shah navodi kako svaki pacijent ima bolničku historiju sa brojnim podacima: kontrolama, provjerama, dijagnozama i prepisanim terapijama. No, razne zdravstvene organizacije – od bolnica do osiguravajućih kuća i farmaceutskih kompanija – bilježe različite podatke. Tako se podaci dijele i zaključavaju na različitim mjestima.

U većem obimu, nastojanja da se AI koristi pri modeliranju i predviđanju širenja pandemije otežavalo je skrivanje vitalnih podataka, poput stopa infekcija i smrtnosti, od strana raznih država. Organizacije poput Alijanse za dijeljenje kliničkih istraživačkih podataka – skupa univerziteta, farmaceutskih firmi, grupa koje predstavljaju pacijente i neprofitnih platformi za dijeljenje podataka – pokušavaju promijeniti stvari. No, trenutno je područje medicinskih podataka AI izoliran otok koji traži otvorenost.

Na kraju, čak i kada postoje podaci i kada su dostupni, postoji problematika pronalaska kvalitete u infrastrukturi napravljenoj da je skrije. Elektronski zdravstveni podaci, primarni izvor podataka, često daju više buke od signala, navodi Abbasgholizadeh-Rahimi.

Buka može imati razne oblike. Može biti snimak napravljen tako da je nečitljiv AI platformi. Može biti podatak formatiran ili snimljen na nekompatibilan način.

Ipak, postoje i dublji izazovi i opasnosti koje AI u zdravstvu mora prevazići kako bi se nametnuo kao zaista povjerljiv partner u medicinskoj zajednici, navode stručnjaci.

Ko je kriv za greške?

Setovi podataka mogu biti pristrani. Analiza Abbasgholizadeh-Rahimi u primarnom zdravstvu pokazuje kako spol, dob i etnička pripadnost se rijetko razmatraju. Manje od 35 posto programa je analiziralo spolno razvrstane podatke.

Neke etničke grupe mogu biti izostavljene ili pogrešno istaknute u podacima. Prije samo dvije godine, Američka fondacija oboljelih od bubrega i Američko nefrološko društvo predložilo je odbacivanje podataka o kreatininu u krvi jer su smatrali da je podcjenjena težina oboljenja od bolesti bubrega kod Afroamerikanaca.

Alati AI obučeni na takvim podacima će vjerovatno predvidjeti takve situacijem no Shah smatra kako „isti kvalitet podataka također stvara probleme i kod ljudskog odlučivanja“.

Razumijevanje toka misli iza alata AI koji savjetuje ljekara može govoriti o stepenu odgovornosti koji svako od njih ima. Također, prostor zdravstvenog AI se bori sa balaniranjem odgovornosti zaštite podataka pacijenata sa potrebom za podjelom podataka.

Ovaj strah nije bez osnova. U SAD-u, prva polovina 2023. je donijela 295 kršenja sigurnosti zdravstvenih podataka što je pogodilo 39 miliona Amerikanaca. Pored proboja cybersigurnosti, zdravstrvene kompanije su imale i mnoge skandale zbog nekorektnog dijeljenja podataka pacijenata ili jer to nije rađeno anonimno.

Nema lakih odgovora na probleme privatnosti. Shah ističe kako, premda ljudi ne žele dijeliti svoje podatke, rado žele imati koristi od AI koji je obučen na tuđim podacima.

Stručnjaci rade na korištenju analitičkih pristupa koje omogućavaju AI alatkama da se obučavaju na što manje stvarnih podataka pacijenata nego što je to neophodno.

U vrijeme rapidnih inovacija i ogromnih investicija, ova utrka između medicinskog AI i infrastrukture koja ga informira mogla bi biti odlučujuća u oblikovanju budućnosti zdravstvenih sistema.

Trenutno, infrastruktura se igra lovice. Samo ako u tome uspije, onda oni koji bi mogli oboljeti od tumora mogu zaista računati na klinički AI i njegovu inteligentnu, tačnu i sigurnu prognozu.