n o we idee
E -zdr o wie na ś wiecie
Wired
Mobile Health News
AI Can Help Patients—but Only If Doctors Understand It
Machine learning app scans faces and listens to speech to quickly spot strokes
Sztuczna inteligencja może pomóc pacjentom, jeśli lekarze ją zrozumieją Algorytmy mogą pomóc w diagnozowaniu wielu chorób, ale ludzie muszą nauczyć się, jak z nich korzystać. Przykładem jest Duke University Hospital (USA), który kilka lat temu wprowadził specjalne oprogramowanie Sepsis Watch do wykrywania prawdopodobieństwa rozwoju sepsy u pacjentów – zabójcy numer jeden w amerykańskich szpitalach. Bazuje on na algorytmie opracowanym na podstawie 32 milionów zbiorów danych od pacjentów dotkniętych zakażeniem krwi. Jednak gdy pielęgniarki przekazywały lekarzom ostrzeżenia wysyłane przez Sepsis Watch, ci reagowali z obojętnością i podejrzliwością pytając, dlaczego pacjent potrzebuje dodatkowej obserwacji. Na to pytanie pielęgniarki nie mogły udzielić odpowiedzi, bo proces wnioskowania algorytmu nie jest znany. Aby poprawić współpracę na linii człowiek-maszyna, szpital wprowadził nowe procedury. Innowacjom musi towarzyszyć zmiana metod podejmowania decyzji, inaczej technologia napotka na opór ze strony personelu. Wyzwanie jest duże, bo systemy oparte na uczeniu maszynowym stają się częścią systemów IT wdrażanych w szpitalach. Już dziś dostępne są algorytmy potrafiące wykrywać niewidoczne gołym okiem patologie na zdjęciach diagnostyki obrazowej. Ostatecznie nie znajdują one na razie szerokiego zastosowania – nie jest jasne, jak można je wykorzystać w świetle np. odpowiedzialności zawodowej. Z drugiej strony, błędy w systemach opartych na AI podważają zaufanie do tego typu rozwiązań. Przeprowadzone niedawno badanie nad oprogramowaniem do klasyfikacji zmian skórnych wykazało, że jego zalecenia czasami skłaniały doświadczonych lekarzy do zmiany prawidłowej diagnozy na błędną. Wspomniany projekt dotyczący prognozowania rozwoju sepsy został zainicjowany w 2016 roku. Naukowcy z Duke Institute for Health Innovation postanowili udoskonalić system, wprowadzając bardziej ukierunkowane alerty wysyłane bezpośrednio do pielęgniarek szybkiego reagowania. W tym celu sięgnięto do systemów głębokiego uczenia się, aby przeszkolić algorytm na 50 000 rekordów medycznych. Nowe alarmy mają skłaniać do przyjrzenia się parametrom zdrowia, sugerując, że pacjentowi trzeba poświęcić więcej uwagi.
Aplikacja oparta na uczeniu maszynowym skanuje twarz i analizuje mowę, aby szybko wykryć udar mózgu Naukowcy z Penn State University i Houston Methodist Hospital przedstawili wyniki prac nad systemem uczenia maszynowego, który wykorzystuje kamerę w smartfonach do szybkiego pomiaru ruchów twarzy mogących świadczyć o oznakach udaru. Badacze twierdzą, że technologia wykrywa wylew krwi do mózgu z 79% dokładnością, i to zaledwie w ciągu kilku minut. System opiera się na analizie ruchów twarzy i naturalnym przetwarzaniu języka w celu wykrycia śladów zwiotczenia mięśni, tzw. rozmytej mowy lub innych objawów mogących sugerować udar. Aby stworzyć i wyszkolić system, naukowcy użyli iPhone’a do zarejestrowania obrazów 80 pacjentów, u których wystąpiły symptomy udaru podczas wykonywania testu mowy. – Obecnie lekarze muszą bazować na swoim wykształceniu i doświadczeniu, aby ustalić, czy i kiedy wysłać pacjenta na tomografię komputerową – mówi James Wang, profesor informatyki i technologii w Penn State. – Próbujemy symulować lub naśladować ten proces, używając systemów uczenia maszynowego – dodaje. W przypadku udarów mózgu każda sekunda ma znaczenia. Wylew krwi do mózgu powoduje obumieranie neuronów, prowadząc do trwałych uszkodzeń w mózgu i niepełnosprawności. Szybka interwencja medyczna jest kluczowa dla wyników leczenia. – Badania sugerują, że w większości udarów, które mają łagodne lub umiarkowane objawy, diagnoza może być opóźniona o godziny, a do tego czasu pacjent może już nie kwalifikować się do niektórych metod leczenia –mówi John Volpi, dyrektor Centrum Stroke Eddy Scurlock w Houston Methodist Hospital i współautor badań. Jeśli udałoby się rozwinąć dużą dokładność systemu, pacjenci z pomocą smartfonu mogliby szybko wykonać prosty test i reagować na zagrożenia na wczesnym etapie. Podobne projekty realizowane są także w innych ośrodkach naukowych na świecie i dotyczą różnych systemów diagnozowania opartych na AI. Przyszłością jest szybka diagnostyka realizowana przez pacjenta.
OSOZ Polska 10/2020
41
