Кинески научници ја препуштија контролата на очна клиника на вештачка интелигенција и ги објавија резултатите од експериментот
Истражувачите од Пекингскиот институт за визуелна наука и преведувачко истражување на очите, BERI, решија да проверат како вештачката интелигенција се снаоѓа кога не е само лабораториски модел, туку дел од вистинска медицинска установа. На Универзитетот Цингхуа ја отворија клиниката AI-TEC, создадена од темел за работа со невронски мрежи. Лекарите останаа дел од персоналот, но машината го презеде тешкиот дел од организацијата: насочување на пациентите и првична дијагноза. За експериментот пишува ScienceAlert, а резултатите беа објавени во списанието Nature Medicine.
In This Article:
- 1.426 прецизно означени слики беа повредни од речиси 27 илјади просечни
- По пет месеци, само 3,8 проценти од прегледите минуваа низ дигиталните протоколи
- Коментарот од лекарот мора да стигне веднаш, не по неколку недели
- DeepMind уште во 2018 година препознаваше повеќе од 50 очни болести со прецизност над 94 проценти
- Машината бара одговор, лекарот тргнува од пациентот што се жали на заматен вид
1.426 прецизно означени слики беа повредни од речиси 27 илјади просечни
На почетокот се покажа дека внесувањето алгоритми во реална медицина е многу потешко од пишување код. При стартувањето, системот имаше скромен успех во откривање глауком и макуларна дегенерација поврзана со возраста. Пресвртот дојде кога експертите и дадоа на невронската мрежа 1.426 висококвалитетни слики со точни ознаки на патологии. Таа база се покажа подобра од првичната база со речиси 27 илјади просечни слики. Како резултат, показателот AUROC надмина 0,93 и се доближи до можностите на најдобрите современи системи за скенирање.
По пет месеци, само 3,8 проценти од прегледите минуваа низ дигиталните протоколи
Главното откритие не беше само во точноста на системот, туку во тоа колку многу зависи од навиките и активноста на медицинскиот персонал. Веднаш по отворањето на клиниката, лекарите активно го користеа асистентот со вештачка интелигенција. Но статистиката потоа покажа остар пад: дигиталните протоколи речиси престанаа да се користат. Еден месец подоцна бројката се врати на 23 проценти, но дури откако програмерите го поедноставија интерфејсот, ги отстранија непотребните кликови и го намалија рачното внесување податоци.
Коментарот од лекарот мора да стигне веднаш, не по неколку недели
Истражувањето покажа дека ефикасноста не зависи само од моќта на еден алгоритам. Клучни се квалитетот на податоците, вклопувањето во работниот тек и ангажманот на лекарот. Третиот критичен фактор беше брзината на повратните информации. За алгоритмот навистина да учи, лекарските забелешки треба да пристигнуваат веднаш, а не со задоцнување од неколку недели.
DeepMind уште во 2018 година препознаваше повеќе од 50 очни болести со прецизност над 94 проценти
Во офталмологијата, невронските мрежи почнаа да се тестираат долго пред бумот на генеративната вештачка интелигенција. Во 2018 година, американската компанија DeepMind, денес Google Health, претстави модел што со слики од мрежница препознаваше повеќе од 50 очни болести со прецизност над 94 проценти. Алгоритмот не даваше само пресуда „болен“ или „здрав“. Тој создаваше и карта на термички зони, со која на лекарот му ги истакнуваше погодените области што човечкото око можело да ги пропушти во рана фаза.
Машината бара одговор, лекарот тргнува од пациентот што се жали на заматен вид
Најголемиот проблем останува разликата меѓу машинското и човечкото размислување. Алгоритмот е насочен кон резултатот: дали има болест или нема. Лекарот тргнува од симптомите и од човекот пред себе, на пример од пациент што се жали на заматен вид. Затоа самото постоење точен анализатор на слики не гарантира подобра грижа за пациентите. Идните тестови најверојатно ќе го префрлат фокусот од суви резултати на тоа дали вештачката интелигенција навистина ја менува клиничката пракса на подобро.