Veštačka inteligencija u bolnicama — Kako data scientist spašava živote?

Mašina sa većom pouzdanošću od čoveka analizira ultrazvučne snimke — oslanjanjem na ovu moć kompjutera, lekarsko osoblje će u bliskoj budućnosti moći da pruža bolju negu.

Strah od veštačke inteligencije lako je popularizovati zbog napumpanog sci-fi odjeka i priče o kraju čovečanstva koje postoje još od pre baba Vange. No, pre nego što nas mašinski um proguta u svom sebičnom nastojanju da ovlada univerzumom, AI će nam pomoći da budemo zdraviji, produktivniji i kreativniji.

Jedno od polja koje bi uskoro moglo pružiti ljudima više uz pomoć dubokog učenja je medicina, a naučnici koji se bave podacima postaju ključnim delo medicinskog osoblja.

EFIKASNOST RASTE, TROŠKOVI OPADAJU

U Časopisu za biomedicinsku informatiku objavljena je studija koja pokazuje da automatizovani skenovi za rak performiraju podjednako dobro kao i pregledi koji zahtevaju više resursa (posebno ljudskih).

Došli smo do tačke kada tehnologija može ovo da podnese. Ljudi će bolje provesti svoje vreme pomažući drugima kroz kvalitetniju kliničku negu. Sve — lekarska praksa, zdravstveni sistemi, razmena zdravstvenih informacija, osiguranje, kao i odeljenja za javno zdravlje — preplavljeni su podacima.

Kako se nadamo da ćemo nešto naučiti iz ove poplave podacima? Ljudi ne mogu to učiniti, ali zato kompjuteri mogu.

Sedam hiljada patoloških izveštaja iz preko trideset bolnica bili su analizirani kao pozitivni ili negativni koristeći open-source alate i klasifikacione algoritme. Na osnovu ovih nestrukturisanih dokumenata, mašina se pokazala podjednako dobrom ili boljom u detekciji maligniteta, uz brže i jeftinije performanse.

Na talasu podataka u biomedicini, poznati proizvođači hardvera već plasiraju svoje proizvode u bolnice.

Jedan od njih je Samsung, koji kroz svoj medicinski odeljak, Samsung Medison, ažurirao aparate za ultrazvuk dojke dodajući algoritam koji detektuje malignitet. Koristeći se velikom količinom podataka iz prethodnih slučajeva, označava snimak kao maligan ili benigan.

Tačnijim rezultatima mogu se izbeći nepotrebne analize i biopsije, što je u duhu sa sve popularnijim neinvanzivnim pristupom u medicini.

DUBOKO UČENJE ČUVA SRCE

Koristeći duboko učenje tim istraživača iz Kalifornije i Univerziteta u Džordžiji razvijaju predviđanja infarkta na osnovu podataka iz zdravstvenih kartona pacijenata. Izračunavanjem verovatnoće na osnovu raspoloživih podataka iz kartona, lekari mogu pravovremeno obratiti pažnju na one koji su u većoj opasnosti od smrtnog ishoda.

Tim istraživača je analizirao više od 265 000 zdravstvenih kartona, od toga više od 3000 sa infarktom i skoro 29 000 kao kontrolnu grupu. Od kompjutera se u analizi tražilo da razume nekoliko elemenata zdravstvenog profila pacijenta: sažetak posete lekaru, izdate lekove, prethodna oboljenja, kao i da sve promene prati vremenski kako bi dobili sliku pacijentovog stanja kroz vreme.

U sličnom maniru, data naučnici u Dečijoj bolnici u Los Anđelesu kreirali su skoro 13.000 snimaka pacijenata koji sadrže glavne metrike: krvni pritisak, otkucaje srca i prethodne tretmane, ne bi li pratili tokom vremena šanse za preživljavanje dece u kriznim situacijama.

Dejvid Ledber predvodi data science tim u ovoj bolnici i kaže da su mrežu nahranili sa jednodecenijskom količinom podataka sa ciljem da optimizuju rezultat — preživljavanje dece.

Lekari se fokusiraju na preživljavanje tokom vremena, i značajno je uvideti smanjenje šansi za preživljavanje od 80% na 50% tokom jednog sata, jer tako merimo i efikasnost lečenja u odnosu na željeni ishod.

Tekst je realizovan u saradnji sa Startitom.