Umelá inteligencia v medicíne vidí aj to, čo ľudské oko lekára prehliadne
Umelá inteligencia nenahrádza lekárov, ale stáva sa ich neoceniteľným asistentom, ktorý rozširuje ich schopnosti diagnostikovať, liečiť a monitorovať pacientov. V praxi to znamená, že algoritmy umelej inteligencie v Indii pomáhajú analyzovať röntgenové snímky hrudníka pri diagnostike tuberkulózy, čím zefektívňujú a spresňujú triedenie pacientov.
V dermatológii zase systémy hlbokého učenia preukázateľne zvyšujú presnosť diagnóz u špecialistov aj všeobecných lekárov tým, že im pomáhajú rozpoznávať vizuálne vzory ochorení, ktoré by mohli prehliadnuť. Sila umelej inteligencie spočíva v jej schopnosti analyzovať obrovské množstvo rôznorodých dát – od medicínskych snímok a laboratórnych výsledkov až po anamnézu pacienta – a identifikovať v nich skryté vzory, ktoré sú pre ľudské oko neviditeľné.
Napriek tomu sa ukazuje, že kľúčovým problémom nie je samotný výkon algoritmu, ale schopnosť človeka s ním efektívne spolupracovať. Prekvapivá štúdia zistila, že hoci model umelej inteligencie sám o sebe dosahoval pri diagnostike zložitých prípadov presnosť viac ako 92 %, lekári, ktorí ho mohli používať, nezaznamenali štatisticky významné zlepšenie svojej vlastnej presnosti v porovnaní s tými, ktorí používali tradičné zdroje.
To odhaľuje kritickú medzeru: umelá inteligencia má správne informácie, ale lekári sa ešte musia naučiť, ako sa jej správne pýtať a ako jej návrhy integrovať do svojho klinického úsudku. Budúcnosť medicíny s umelou inteligenciou teda nie je len o vývoji inteligentnejších algoritmov, ale predovšetkým o zásadnej zmene medicínskeho vzdelávania a klinických postupov, aby sa profesionáli naučili efektívne spolupracovať s týmito novými nástrojmi.
Okrem prísľubov však umelá inteligencia prináša aj vážne riziká, najmä v podobe zosilňovania existujúcich predsudkov. Štúdia zameraná na dermatológiu odhalila alarmujúci fakt: systém umelej inteligencie zlepšil presnosť diagnóz oveľa viac pri svetlých odtieňoch pleti ako pri tmavých. To sa stalo preto, lebo bol trénovaný na dátach, ktoré neboli dostatočne rozmanité.
Tento príklad ukazuje, že umelá inteligencia by sa namiesto nástroja na vyrovnávanie rozdielov mohla nechtiac stať prostriedkom na prehlbovanie nerovností v zdravotnej starostlivosti. Ak je model trénovaný na neobjektívnych dátach, stáva sa expertom na jednu demografickú skupinu a nováčikom na inú, čím aktívne zväčšuje rozdiely v kvalite poskytovanej starostlivosti.
Nasadenie umelej inteligencie v medicíne preto nie je len technologickou a medicínskou výzvou, ale predovšetkým hlbokou etickou a spoločenskou otázkou, ktorá si vyžaduje vedomé úsilie o vytváranie rozmanitých a reprezentatívnych dátových súborov, aby tieto mocné nástroje slúžili naozaj všetkým.
Zdroj: fastcompany.com.
Zdroj Foto: depositphotos.com.
