Czy sztuczna inteligencja zrewolucjonizuje podejście do diagnostyki medycznej?

Nie ulega wątpliwości, że jednym z największym problemów, z którymi boryka się obecnie medycyna jest zbyt późne diagnozowanie, które, przy braku dostępu do odpowiednio skutecznych metod leczenia, niejednokrotnie utrudnia lub wręcz uniemożliwia wyleczenie pacjenta. Przykładowo, w przypadku niektórych typów nowotworów, terapia wprowadzona w początkowym stadium wykazuje ogromną skuteczność, jednak w miarę rozwoju choroby jej efektywność może spaść praktycznie do zera.

Analizując potencjał sztucznej inteligencji w medycynie myślimy najczęściej o nowych metodach leczenia, względnie o ulepszeniu już istniejących. Sztuczna inteligencja bez wątpienia zrewolucjonizuje również te obszary. Już teraz widzimy jej ogromną przydatność np. w dziedzinie badań obrazowych czy w procesie projektowania nowych leków. To jednak nie koniec jej zastosowań.

Diagnostyka medyczna

Obecnie proces prowadzący do stwierdzenia u pacjenta istnienia stanu chorobowego i wdrożenia leczenia bywa dwojaki. Pacjent może zgłosić się do lekarza z konkretnymi dolegliwościami albo diagnoza może zostać postanowiona na podstawie wyników już przeprowadzonych badań, np. okresowych lub przesiewowych.

W pierwszym przypadku pacjent trafia do lekarza najczęściej zbyt późno. Istnienie ewidentnych, uciążliwych objawów, w przypadku wielu chorób bardzo utrudni lub nawet uniemożliwi skuteczne leczenie. W drugim przypadku z kolei, może zostać pominiętych wiele poważnych problemów zdrowotnych. Tradycyjne badania okresowe i przesiewowe są zaprojektowane z myślą o najbardziej popularnych schorzeniach, możliwych do wykrycia za pomocą relatywnie prostych i tanich badań. W takim schemacie nie wykryjemy odpowiednio wcześnie wielu poważnych chorób, w szczególności rzadkich oraz tych, których diagnostyka jest skomplikowana i kosztowna.

Pomoże sztuczna inteligencja

Jednym z pierwszych obszarów, w których z powodzeniem zastosowano technologie wykorzystujące sztuczną inteligencję na masową skalę było profilowanie marketingowe. Sztuczna inteligencja sprawdziła się w takich zadaniach na tyle dobrze, że wzbudziło to wiele kontrowersji i poskutkowało daleko idącymi zmianami legislacyjnymi. Podobne mechanizmy można wykorzystać do „profilowania medycznego” lub – mówiąc inaczej – do opracowania metodologii badań przesiewowych nowej generacji. Można przypuszczać, że skuteczność takich rozwiązań będzie równie wysoka.

Tradycyjne badania przesiewowe opierają się na bardzo ogólnych kryteriach, takich jak wiek czy płeć, co powoduje, że z jednej strony wykonujemy ogromną liczbę niepotrzebnych badań, a z drugiej nie wykonujemy ich praktycznie w ogóle odnośnie zarówno grup osób jak i schorzeń, które wymykają się statystyce. Wykorzystanie sztucznej inteligencji wyeliminuje konieczność przeprowadzania kosztownych badań medycznych w pierwszej fazie diagnostyki, a w drugiej pozwoli na sformułowanie listy zalecanych badań w kontekście jednostki, a nie całych grup społecznych.

Koncepcja

W pierwszej fazie algorytm przeanalizuje dane, które są już dostępne lub które można łatwo i relatywnie tanio pozyskać i na ich podstawie zaplanuje dalsza diagnostykę. Takie dane to m. in. ankieta, wypełniona przez osobę badaną, dotycząca samopoczucia i trybu życia, wyniki już przeprowadzonych badań, np. okresowych, a także inne dane, które mogą mieć wpływ na wstępną, statystyczno-probabilistyczną ocenę stanu zdrowia, jak miejsce zamieszkania, czy nawet stan cywilny.

Następnie algorytm zaproponuje listę badań, które dana osoba powinna wykonać, żeby wykluczyć lub potwierdzić najbardziej prawdopodobne schorzenia. Dzięki temu z jednej strony nie zostaną zlecone badania statystycznie zbędne, a z drugiej wykonane zostaną badania relatywnie nietypowe, które nigdy nie zostałyby zlecone profilaktycznie przez lekarza rodzinnego lub w ramach badań okresowych albo przesiewowych.

Wyzwania

Opisana koncepcja jest relatywnie nieskomplikowana na poziomie technicznym, może jednak stanowić wyzwanie w aspekcie społecznym i prawnym. Algorytm sztucznej inteligencji wyszukujący korelacje musi zostać wytrenowany na ogromnej liczbie danych, a w tym przypadku są to dane o charakterze medycznym, a więc dane wrażliwe. Nie wiadomo również czy płatnicy (pacjenci lub ubezpieczyciele) zaufają algorytmowi sztucznej inteligencji na tyle, że będą skłonni ponosić koszty wykonywania zaproponowanych badań, które z zasady mogą wydawać się nieoczywiste.

Konkluzja

Pomimo wyzwań natury formalnoprawnej wydaje się, że sztuczna inteligencja okaże się przyszłością medycyny, w tym diagnostyki medycznej. W połączeniu z nowymi metodami badań, w tym związanymi z analizą kodu DNA, może okazać się prawdziwym game changerem medycyny, na miarę upowszechnienia się evidence-based medicine, w miejsce przypadkowych terapii prowadzonych na zasadzie intuicji i pobieżnej analizy dowodów anegdotycznych.

To zupełnie nowe podejście, skupione na profilaktyce i eliminowaniu relatywnie drobnych patologii zdrowotnych, a nie na próbie poskromienia dopiero poważnych stanów chorobowych, co jest zdecydowanie trudniejsze, kosztowne i nie zawsze możliwe.