Ar putea inteligenţa artificială (IA) de tip „jack-of-all-trades / bună la toate" să remodeleze medicina? Cercetătorii de la Harvard au expus cursul pentru proiectarea, testarea şi implementarea IA de ultimă generaţie în medicină.
Majoritatea modelelor de inteligenţă artificială (IA) medicală utilizate în prezent sunt antrenate pentru a îndeplini una sau două sarcini specifice şi au o utilitate limitată.
IA de generaţie următoare, numită IA de medicină generală, încorporează diverse tipuri de date pentru a îndeplini o varietate de sarcini complexe într-o serie de scenarii clinice.
IA de medicină generală poate remodela medicina prin creşterea procesului de luare a deciziilor clinice, prin asistenţă chirurgicală şi la patul bolnavului în timp real şi nu numai.
Marea majoritate a modelelor de inteligenţă artificială utilizate în prezent în medicină sunt „specializate pe arie restrânsă", instruite pentru a efectua una sau două sarcini, cum ar fi scanarea mamografiilor pentru a detecta semne de cancer de sân sau detectarea bolilor pulmonare pe radiografiile toracice.
Dar practica zilnică a medicinei implică o gamă nesfârşită de scenarii clinice, prezentări de simptome, diagnostice posibile şi scheme de tratament.
Aşadar, pentru ca IA să respecte promisiunea de a remodela îngrijirea clinică, trebuie să reflecte această complexitate a medicinei şi să o facă cu o fidelitate ridicată, spune Pranav Rajpurkar, profesor asistent de informatică biomedicală în cadrul Institutului Blavatnik de la facultatea de medicină a universităţii Harvard.
IA de medicină generalistă reprezintă o formă mai evoluată de învăţare automată capabilă să îndeplinească sarcini complexe într-o gamă largă de scenarii.
Asemănătoare medicilor de medicină generală, a explicat Rajpurkar, modelele de IA de medicină generalistă pot integra mai multe tipuri de date, cum ar fi scanările RMN, radiografiile, rezultatele analizelor de sânge, textele medicale şi testele genomice, pentru a îndeplini o serie de sarcini, de la apeluri complexe de diagnosticare la sprijinirea deciziilor clinice şi alegerea tratamentului optim.
Iar acestea pot fi implementate într-o varietate de medii, de la sala de examinare la secţia de spital, de la sala de proceduri GI (gastro-intestinale) în ambulatoriu la sala de operaţii cardiace.
Deşi au început să apară primele versiuni de IA de medicină generalistă, adevăratul său potenţial şi profunzimea capacităţilor sale nu s-au materializat încă.
„Capacităţile care evoluează rapid în domeniul inteligenţei artificiale au redefinit complet ceea ce putem face în domeniul IA medicală", scrie Rajpurkar într-o perspectivă recent publicată în aprilie, în revista Nature, la care este co-autor principal împreună cu alţi oameni de ştiinţă de la de la Institutul de cercetare Scripps, universităţile Stanford, Yale şi universitatea din Toronto.
IA de medicină generală este pe punctul de a transforma medicina clinică aşa cum o cunoaştem, dar odată cu această oportunitate vin şi provocări serioase, spun autorii.
În articol, autorii discută caracteristicile definitorii ale IA medicală generalistă, identifică diverse scenarii clinice în care aceste modele pot fi utilizate şi trasează drumul de urmat pentru proiectarea, dezvoltarea şi implementarea lor.
Caracteristicile IA de medicină generală
Caracteristicile cheie care fac ca modelele de IA de medicină generală să fie superioare modelelor convenţionale sunt adaptabilitatea, versatilitatea şi capacitatea de a aplica cunoştinţele existente în contexte noi.
De exemplu, un model tradiţional de IA antrenat să detecteze tumorile cerebrale pe un RMN cerebral va examina o leziune pe o imagine pentru a determina dacă apare vreo tumoră, dar nu poate furniza nicio informaţie în afară de aceasta.
În schimb, un model generalist se va uita la o leziune şi va determina ce tip de leziune este: o tumoră, un chist, o infecţie sau altceva. Noua generaţie de IA medicală va putea recomanda teste suplimentare şi, în funcţie de diagnostic, va putea sugera şi opţiuni de tratament.
„În comparaţie cu modelele actuale, IA de medicină generală va fi capabilă să realizeze un raţionament mai sofisticat şi să integreze mai multe tipuri de date, ceea ce îi va permite să construiască o imagine mai detaliată a cazului unui pacient", a declarat primul autor al studiului, Oishi Banerjee, cercetător asociat în laboratorul lui Rajpurkar, care lucrează deja la proiectarea unor astfel de modele.
Potrivit autorilor, modelele generaliste vor fi capabile să:
- se adapteze cu uşurinţă la sarcini noi, fără a fi nevoie de o recalificare formală. Vor îndeplini sarcina prin simpla explicare a acesteia în engleză simplă sau într-o altă limbă.
- analizeze diferite tipuri de date - imagini, texte medicale, rezultate de laborator, secvenţiere genetică, istoricul pacientului sau orice combinaţie a acestora - şi să genereze o decizie, în timp ce modelele convenţionale de IA sunt limitate la utilizarea unor tipuri de date predefinite - numai text, numai imagine - şi numai în anumite combinaţii.
- aplice cunoştinţele medicale pentru a raţiona prin sarcini nevăzute anterior şi utilizează un limbaj precis din punct de vedere medical pentru a-şi explica raţionamentul.
Scenarii clinice pentru utilizarea IA medicală generalistă
Cercetătorii descriu mai multe domenii în care modelele de IA medicală generalistă ar oferi soluţii complete. Unele dintre acestea sunt:
- Rapoarte radiologice
IA medicală generalistă ar acţiona ca un asistent digital versatil de radiologie pentru a reduce volumul de muncă şi pentru a minimiza munca de rutină.
Aceste modele ar putea redacta rapoarte radiologice care să descrie atât anomaliile, cât şi constatările normale relevante, ţinând cont, de asemenea, de istoricul pacientului.
Aceste modele ar combina, de asemenea, naraţiunea textului cu vizualizarea pentru a evidenţia zonele de pe o imagine descrise de text.
Modelele ar putea, de asemenea, să compare constatările anterioare şi cele actuale de pe imaginea unui pacient pentru a evidenţia schimbările revelatoare care sugerează evoluţia bolii.
- Asistenţă chirurgicală în timp real
În cazul în care o echipă operatorie se confruntă cu un blocaj în timpul unei proceduri - cum ar fi eşecul de a găsi o masă într-un organ - chirurgul ar putea cere modelului să revizuiască ultimele 15 minute ale procedurii pentru a căuta orice ratare sau omisiune.
În cazul în care un chirurg întâlneşte o caracteristică anatomică ultra-rară în timpul operaţiei, modelul ar putea accesa rapid toate lucrările publicate cu privire la această procedură pentru a oferi informaţii în timp real.
- Sprijin decizional la patul pacientului
Modelele de IA generaliste ar oferi alerte şi recomandări de tratament pentru pacienţii spitalizaţi prin monitorizarea continuă a semnelor vitale şi a altor parametri, inclusiv a fişelor pacientului.
Modelele ar fi capabile să anticipeze urgenţele iminente înainte ca acestea să se producă. De exemplu, un model ar putea alerta echipa clinică atunci când un pacient este pe punctul de a intra în şoc circulator şi ar putea sugera imediat măsuri pentru a se evita acest lucru.
Viitorul, promisiuni şi pericole
Modelele de IA medicală generalistă au potenţialul de a transforma asistenţa medicală, spun autorii. Ele pot atenua epuizarea clinicianului, pot reduce erorile clinice şi pot accelera şi îmbunătăţi procesul de luare a deciziilor clinice.
Cu toate acestea, aceste modele vin cu provocări unice. Cele mai puternice caracteristici ale lor - versatilitatea şi adaptabilitatea extremă - prezintă, de asemenea, cele mai mari riscuri, avertizează cercetătorii, deoarece vor necesita colectarea de date vaste şi diverse.
Unele capcane critice includ:
- Necesitatea unei instruiri extinse şi continue
Pentru a se asigura că modelele pot schimba rapid modalităţile de date şi se pot adapta în timp real în funcţie de context şi de tipul de întrebare adresată, acestea vor trebui să fie supuse unei instruiri extinse pe date diverse din mai multe surse şi modalităţi complementare.
Această formare va trebui să fie efectuată periodic pentru a ţine pasul cu noile informaţii.
De exemplu, în cazul noilor variante ale SARS-CoV-2, un model trebuie să fie capabil să extragă rapid caracteristicile-cheie din imaginile cu raze X ale pneumoniei cauzate de o variantă mai veche pentru a le compara cu modificările pulmonare asociate cu o nouă variantă.
- Validare
Modelele generaliste vor fi deosebit de dificil de validat din cauza versatilităţii şi complexităţii sarcinilor pe care vor trebui să le îndeplinească.
Acest lucru înseamnă că modelul trebuie testat pe o gamă largă de cazuri pe care le-ar putea întâlni pentru a se asigura că funcţionează corect.
Potrivit autorilor, acest lucru se reduce la definirea condiţiilor în care modelele funcţionează şi a condiţiilor în care acestea eşuează.
- Verificare
În comparaţie cu modelele convenţionale, IA medicală generalistă va gestiona mult mai multe date, tipuri de date mai variate şi date de o complexitate mai mare.
Acest lucru va face cu atât mai dificil pentru medici să determine cât de precisă este decizia unui model.
De exemplu, un model convenţional ar analiza un studiu imagistic sau o imagine de ansamblu atunci când clasifică tumora unui pacient. Un singur radiolog sau patolog ar putea verifica dacă modelul este corect.
Prin comparaţie, un model generalist ar putea analiza lamelele de patologie, tomografiile şi literatura medicală, printre multe alte variabile, pentru a clasifica şi stadializa boala şi a face o recomandare de tratament.
O astfel de decizie complexă ar necesita verificarea de către un grup multidisciplinar care să includă radiologi, patologi şi oncologi pentru a evalua acurateţea modelului.
Cercetătorii notează că proiectanţii ar putea facilita acest proces de verificare prin încorporarea de explicaţii, cum ar fi linkuri care pot fi accesate prin clic către pasaje de susţinere din literatura de specialitate, pentru a permite medicilor să verifice eficient predicţiile modelului.
O altă caracteristică importantă ar fi construirea unor modele care să cuantifice nivelul lor de incertitudine.
- Distorsiuni (Biases)
Nu este un secret că modelele de IA medicală pot perpetua prejudecăţi, pe care le pot dobândi în timpul antrenamentului atunci când sunt expuse la seturi de date limitate obţinute de la populaţii nediverse.
Astfel de riscuri vor fi amplificate în cazul proiectării AI medicale generaliste din cauza dimensiunii şi complexităţii fără precedent a seturilor de date necesare în timpul instruirii lor.
Pentru a minimiza acest risc, modelele de IA medicală generalistă trebuie să fie validate temeinic pentru a se asigura că nu au performanţe inferioare în cazul anumitor populaţii, cum ar fi grupurile minoritare, recomandă cercetătorii.
În plus, acestea vor trebui să fie supuse unui audit şi unei reglementări continue după implementare.
„Acestea sunt obstacole serioase, dar nu insurmontabile", spune prof. Rajpurkar.
O înţelegere clară a tuturor provocărilor încă de la început va ajuta la asigurarea faptului că IA medicală generalistă îşi îndeplineşte promisiunea extraordinară de a schimba în bine practica medicală, crede omul de ştiinţă de la Harvard.