Sztuczna inteligencja (AI) zdobywa coraz większe uznanie w różnych dziedzinach życia, a medycyna nie jest wyjątkiem. Podczas wydarzenia "PP-RAI 2023" na Politechnice Łódzkiej, w ramach wykładu "AI w medycynie", panel ekspercki składający się z prof. Włodzisława Ducha (Uniwersytet Mikołaja Kopernika w Toruniu), prof. Michała Woźniaka (Politechnika Wrocławska), Jakuba Musiałka (Pixel Technologies), prof. Pawła Strumiłły (Politechnika Łódzka) jako moderatora, prof. Andrzeja Grzybowskiego (Uniwersytet Warmińsko-Mazurski) oraz prof. Ludomira Stefańczyka (Uniwersytet Medyczny w Łodzi) omawiał możliwości, wyzwania i etyczne aspekty stosowania AI w medycynie, które w ostatnich latach zaczęła odgrywać coraz istotniejszą rolę w diagnozowaniu, leczeniu i monitorowaniu chorób.

Według prof. Woźniaka istnieją trzy główne powody wzrostu zainteresowania sieciami neuronowymi. Po pierwsze, mamy teraz dostęp do ogromnej ilości danych. Po drugie, dysponujemy znacznie większą mocą obliczeniową. Po trzecie, społeczeństwo wydaje się być gotowe na akceptację automatyzacji niektórych procesów. Automatyzacja pracy nie jest nowym zjawiskiem, ludzie dążą do niej od wielu lat. Na przykład, papirus Edwina Smitha, znaleziony w Luxorze w XIX wieku, zawiera proceduralną wiedzę dotyczącą chirurgii czaszkowej - jest to przykład próby zautomatyzowania pewnych decyzji. Jeśli chodzi o gotowość społeczeństwa, wydaje się, że wiele osób jest chętnych do przekazania odpowiedzialności za podejmowanie decyzji maszynom. Wiele osób nie chce podejmować trudnych decyzji lub nie chce być do nich zmuszanych. Narzędzia oparte na sztucznej inteligencji mogą podejmować te decyzje za nas, choć musimy pamiętać o konsekwencjach takich decyzji. Rozwój technologiczny pozwala nam na budowanie coraz nowszych modeli i ich implementacji, ale wydaje się, że kluczowym czynnikiem przyspieszającym adopcję sztucznej inteligencji jest gotowość społeczeństwa do zaakceptowania automatyzacji części procesów decyzyjnych.

Prof. Włodzisław Duch zwrócił uwagę na współpracę między sztuczną inteligencją a naszym zrozumieniem ludzkich mózgów. Współpraca ta ma dwukierunkowy charakter. Na przykład Demis Hassabis i jego koledzy z DeepMind, OpenAI i innych organizacji argumentują, że przyszłość sztucznej inteligencji związana jest z analizą tego, co mózgi robią i rozumieją. Wciąż istnieje wiele niewiadomych, ale już osiągnięto postęp w zakresie ogólnej architektury. Przeniesienie mechanizmów uwagi do uczenia maszynowego oraz zrozumienie uczenia z krytykiem czy odpowiedzialnego uczenia pozwoliło na interpretację niektórych procesów związanych z uczeniem maszynowym. Badania nad sztuczną inteligencją i mózgiem obecnie rozwijają się dynamicznie. Najbardziej fascynujący obecnie aspekt to koncepcja wykorzystania hubów w sztucznej inteligencji, wzorowanych na obszarach ciemieniowo-czołowych naszych mózgów. Są one odpowiedzialne za kontrolowanie, jak wykorzystujemy inne obszary mózgu podczas wykonywania różnych czynności. Przykładem jest autoGPT, który tworzy plan działania, a następnie korzysta z odpowiednich narzędzi zgromadzonych w miejscach takich jak Hugging Face, aby wykonać konkretne zadania. Zastosowanie takiego podejścia może prowadzić do sztucznej inteligencji, która jest coraz bardziej podobna do naszych mózgów, z elastycznym hubem kontrolującym inteligencję.

Potencjał AI w medycynie

W trakcie konferencji eksperci zwrócili uwagę na wiele możliwości zastosowania sztucznej inteligencji w medycynie. Paneliści przedstawili korzyści wynikające z wykorzystania AI w diagnostyce obrazowej, takiej jak radiologia, gdzie algorytmy potrafią wykrywać zmiany chorobowe z precyzją przewyższającą ludzką. Jakub Musiałek podał przykład sztucznej inteligencji stosowanej na całym świecie, która do tej pory nie popełniła żadnego błędu w diagnozowaniu złamań nogi, opisując 170 milionów przypadków. To zdumiewające, ale osiągnięte dzięki treningowi na ogromnym zbiorze danych. Mówiąc o GPT, ostatecznym celem jest interakcja z lekarzem. Diagnostyka obrazowa i patomorfologia korzystają z GPT, zwłaszcza w generowaniu opisów. Pewna firma, na podstawie pracy radiologów, potrafi generować opisy, z którymi radiolog się zgadza lub nie. To funkcjonuje już od półtora miesiąca, dzięki umowie z firmą Microsoft. W tej chwili system obsługuje jedenaście jednostek chorobowych, ale i tak jest to imponujące. Zespół Jakuba Musiałka przeprowadził również badania z Pomorskim Uniwersytetem Medycznym, analizując śmiertelność związana z COVID. Mieli do dyspozycji arkusz Excela z 5 000 wierszy danych o pacjentach, ich objętości płuc i zajętości przez COVID. Statystycy analizowali te dane, aby określić główne czynniki wpływające na śmiertelność. GPT, po wprowadzeniu algorytmów, opracowało wyniki w kilkanaście sekund. „Różnice między nami a GPT wynosiły zaledwie 0,2% w przypadku niektórych parametrów.” – dodał Jakub Musiałek.

Wyzwania związane z AI w medycynie

Mimo ogromnego potencjału sztucznej inteligencji w medycynie, eksperci podkreślali także wyzwania związane z jej zastosowaniem. Według prof. Stańczyka sztuczna inteligencja ma pewne ograniczenia, takie jak brak intuicji, co wynika z niekompletności zgromadzonych danych. Mimo, że analiza danych obrazowych przez systemy sztucznej inteligencji jest efektywna i precyzyjna, brak intuicji pochodzi z niedostatecznej integracji danych pozawerbalnych lub pozaobrazowych. Kluczowe jest pełne zintegrowanie elektronicznych kart pacjentów, które obejmują zarówno dane obrazowe, jak i dane z wywiadu oraz dane społeczne. Warto jednak zwrócić uwagę na konieczność weryfikacji wiarygodności zgromadzonych danych. Istnieje również kwestia odpowiedzialności za ewentualne błędy. Pomimo, że sztuczna inteligencja może potencjalnie zmniejszyć liczbę zgonów związanych z błędami medycznymi, społeczeństwo może nadal skupić się na negatywnych aspektach, takich jak liczba ofiar śmiertelnych, zamiast na tym, ile osób zostało uratowanych dzięki AI.

Wspomniano również o konieczności wprowadzenia odpowiednich regulacji prawnych, które zagwarantują bezpieczeństwo pacjentów oraz odpowiedzialność za decyzje podejmowane przez systemy AI.

Profesor Woźniak zauważył, że sztuczna inteligencja ma potencjał wspomagania lekarzy także w innych dziedzinach, takich jak kardiologia, endokrynologia czy pediatria. Wspomniał o zastosowaniu AI w monitorowaniu pacjentów z przewlekłymi chorobami, takimi jak cukrzyca, gdzie systemy sztucznej inteligencji mogą analizować dane z urządzeń monitorujących, takich jak glukometry czy ciśnieniomierze, a następnie sugerować optymalne podejście terapeutyczne.

W kontekście autoGPT, Jakub Musiałek zwrócił uwagę na rosnący potencjał tego narzędzia w zakresie tworzenia analiz, raportów czy prognoz opartych na dostępnych danych. Zaznaczył jednak, że dla pełnego wykorzystania możliwości autoGPT w medycynie, konieczne będzie wprowadzenie przejrzystych i elastycznych ram prawnych oraz etycznych, które zagwarantują odpowiedni poziom bezpieczeństwa i prywatności pacjentów oraz odpowiedzialność uczestników procesu medycznego.

Dyskusja przeniosła się również w kierunku roli edukacji w kontekście AI. Zauważono, że istotne jest wprowadzenie programów szkoleniowych dla lekarzy i innych pracowników medycznych, które pomogą im zrozumieć podstawy działania sztucznej inteligencji i korzystać z niej efektywnie w codziennej praktyce medycznej.

Wśród uczestników dyskusji zarysował się optymizm co do przyszłości AI w medycynie, ale także świadomość wyzwań, które należy pokonać, aby technologia ta przyniosła rzeczywiste korzyści dla pacjentów i systemu opieki zdrowotnej jako całości. Zgadzali się, że kluczem do sukcesu będzie zdolność do współpracy, otwartości na dialog i adaptacji do nowych technologii, a także dbałość o etyczne i prawne aspekty związane z zastosowaniem AI w medycynie.

Powyższy artykuł powstał wyłącznie w celach informacyjnych i nie jest reklamą. Nie ponosimy żadnych korzyści finansowych, ani innych korzyści związanych z jego publikacją.