Ar putea IA de generație următoare să schimbe fața medicinei?

Ar putea IA de generație următoare să schimbe fața medicinei?
mai 07 11:05 2023
Articol scris de:
Timp citire articol: 9 minut(e)

Ar putea inteligența artificială (IA) de tip „jack-of-all-trades / bună la toate” să remodeleze medicina? Cercetătorii de la Harvard au expus cursul pentru proiectarea, testarea și implementarea IA de ultimă generație în medicină.

Majoritatea modelelor de inteligență artificială (IA) medicală utilizate în prezent sunt antrenate pentru a îndeplini una sau două sarcini specifice și au o utilitate limitată.

IA de generație 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 creșterea procesului de luare a deciziilor clinice, prin asistență chirurgicală și la patul bolnavului în timp real și nu numai.

Marea majoritate a modelelor de inteligență 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 nesfârșită de scenarii clinice, prezentări de simptome, diagnostice posibile și scheme de tratament.

Așadar, pentru ca IA să respecte promisiunea de a remodela îngrijirea clinică, trebuie să reflecte această complexitate a medicinei și 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 universității Harvard.

IA de medicină generalistă reprezintă o formă mai evoluată de învățare 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 și testele genomice, pentru a îndeplini o serie de sarcini, de la apeluri complexe de diagnosticare la sprijinirea deciziilor clinice și alegerea tratamentului optim.

Iar acestea pot fi implementate într-o varietate de medii, de la sala de examinare la secția de spital, de la sala de proceduri GI (gastro-intestinale) în ambulatoriu la sala de operații cardiace.

Deși au început să apară primele versiuni de IA de medicină generalistă, adevăratul său potențial și profunzimea capacităților sale nu s-au materializat încă.

„Capacitățile care evoluează rapid în domeniul inteligenței 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 alți oameni de știință de la de la Institutul de cercetare Scripps, universitățile Stanford, Yale și universitatea din Toronto.

IA de medicină generală este pe punctul de a transforma medicina clinică așa cum o cunoaștem, dar odată cu această oportunitate vin și 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 și trasează drumul de urmat pentru proiectarea, dezvoltarea și implementarea lor.

Caracteristicile IA de medicină generală

Caracteristicile cheie care fac ca modelele de IA de medicină generală să fie superioare modelelor convenționale sunt adaptabilitatea, versatilitatea și capacitatea de a aplica cunoștințele existente în contexte noi.

De exemplu, un model tradițional 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 informație în afară de aceasta.

În schimb, un model generalist se va uita la o leziune și va determina ce tip de leziune este: o tumoră, un chist, o infecție sau altceva. Noua generație de IA medicală va putea recomanda teste suplimentare și, în funcție de diagnostic, va putea sugera și opțiuni de tratament.

„În comparație cu modelele actuale, IA de medicină generală va fi capabilă să realizeze un raționament mai sofisticat și 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 ușurință 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, secvențiere genetică, istoricul pacientului sau orice combinație a acestora – și să genereze o decizie, în timp ce modelele convenționale de IA sunt limitate la utilizarea unor tipuri de date predefinite – numai text, numai imagine – și numai în anumite combinații.
  • aplice cunoștințele medicale pentru a raționa prin sarcini nevăzute anterior și utilizează un limbaj precis din punct de vedere medical pentru a-și explica raționamentul.

Scenarii clinice pentru utilizarea IA medicală generalistă

Cercetătorii descriu mai multe domenii în care modelele de IA medicală generalistă ar oferi soluții complete. Unele dintre acestea sunt:

  • Rapoarte radiologice

IA medicală generalistă ar acționa ca un asistent digital versatil de radiologie pentru a reduce volumul de muncă și pentru a minimiza munca de rutină.

Aceste modele ar putea redacta rapoarte radiologice care să descrie atât anomaliile, cât și constatările normale relevante, ținând cont, de asemenea, de istoricul pacientului.

Aceste modele ar combina, de asemenea, narațiunea textului cu vizualizarea pentru a evidenția zonele de pe o imagine descrise de text.

Modelele ar putea, de asemenea, să compare constatările anterioare și cele actuale de pe imaginea unui pacient pentru a evidenția schimbările revelatoare care sugerează evoluția bolii.

  • Asistență chirurgicală în timp real

În cazul în care o echipă operatorie se confruntă cu un blocaj în timpul unei proceduri – cum ar fi eșecul 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 întâlnește o caracteristică anatomică ultra-rară în timpul operației, modelul ar putea accesa rapid toate lucrările publicate cu privire la această procedură pentru a oferi informații în timp real.

  • Sprijin decizional la patul pacientului

Modelele de IA generaliste ar oferi alerte și recomandări de tratament pentru pacienții spitalizați prin monitorizarea continuă a semnelor vitale și a altor parametri, inclusiv a fișelor pacientului.

Modelele ar fi capabile să anticipeze urgențele 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 șoc circulator și ar putea sugera imediat măsuri pentru a se evita acest lucru.

Viitorul, promisiuni și pericole

Modelele de IA medicală generalistă au potențialul de a transforma asistența medicală, spun autorii. Ele pot atenua epuizarea clinicianului, pot reduce erorile clinice și pot accelera și îmbunătăți procesul de luare a deciziilor clinice.

Cu toate acestea, aceste modele vin cu provocări unice. Cele mai puternice caracteristici ale lor – versatilitatea și adaptabilitatea extremă – prezintă, de asemenea, cele mai mari riscuri, avertizează cercetătorii, deoarece vor necesita colectarea de date vaste și diverse.

Unele capcane critice includ:

  • Necesitatea unei instruiri extinse și continue

Pentru a se asigura că modelele pot schimba rapid modalitățile de date și se pot adapta în timp real în funcție de context și de tipul de întrebare adresată, acestea vor trebui să fie supuse unei instruiri extinse pe date diverse din mai multe surse și modalități complementare.

Această formare va trebui să fie efectuată periodic pentru a ține pasul cu noile informații.

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 versatilității și complexității 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 funcționează corect.

Potrivit autorilor, acest lucru se reduce la definirea condițiilor în care modelele funcționează și a condițiilor în care acestea eșuează.

  • Verificare

În comparație cu modelele convenționale, IA medicală generalistă va gestiona mult mai multe date, tipuri de date mai variate și 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 convențional 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 comparație, un model generalist ar putea analiza lamelele de patologie, tomografiile și literatura medicală, printre multe alte variabile, pentru a clasifica și stadializa boala și a face o recomandare de tratament.

O astfel de decizie complexă ar necesita verificarea de către un grup multidisciplinar care să includă radiologi, patologi și oncologi pentru a evalua acuratețea modelului.

Cercetătorii notează că proiectanții ar putea facilita acest proces de verificare prin încorporarea de explicații, cum ar fi linkuri care pot fi accesate prin clic către pasaje de susținere din literatura de specialitate, pentru a permite medicilor să verifice eficient predicțiile 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 prejudecăți, pe care le pot dobândi în timpul antrenamentului atunci când sunt expuse la seturi de date limitate obținute de la populații nediverse.

Astfel de riscuri vor fi amplificate în cazul proiectării AI medicale generaliste din cauza dimensiunii și complexității 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 performanțe inferioare în cazul anumitor populații, cum ar fi grupurile minoritare, recomandă cercetătorii.

În plus, acestea vor trebui să fie supuse unui audit și unei reglementări continue după implementare.

„Acestea sunt obstacole serioase, dar nu insurmontabile”, spune prof. Rajpurkar.

O înțelegere clară a tuturor provocărilor încă de la început va ajuta la asigurarea faptului că IA medicală generalistă își îndeplinește promisiunea extraordinară de a schimba în bine practica medicală, crede omul de știință de la Harvard.

scrie un comentariu

0 Comentarii

Adaugă un comentariu