Rozwój zaawansowanych metod przetwarzania danych i wprowadzanie najnowszych technologii w różne obszary życia determinuje powstawanie nowych systemów wspomaganych sztuczną inteligencją.

Polski Instytut Ekonomiczny, publiczny think tank gospodarczy, wziął pod lupę zastosowanie takich systemów w ochronie zdrowia.

Sztuczna inteligencja już jest obecna w medycynie

Spektrum zastosowania technologii opartych na sztucznej inteligencji jest szerokie. Stosuje się ją na przykład w urządzeniach ubieralnych monitorujących stan zdrowia (wearables), w diagnostyce obrazowej czy analizie danych laboratoryjnych.

Według szacunków Deloitte i MedTech Europe kompleksowe stosowanie AI w medycynie pozwoli ograniczyć wydatki. Dzięki nowym rozwiązaniom w całej Unii Europejskiej można zaoszczędzić od 170,9 mld do 212,4 mld euro rocznie.

Przykładem wdrażania systemów opartych na AI w Polsce jest opracowywany przez Ośrodek Przetwarzania Informacji system eRADS. System pozwala na zautomatyzowanie diagnostyki przy użyciu głębokich sieci neuronowych. Następnie generuje automatyczne i wystandaryzowane raporty z badania radiologicznego.

W efekcie przyspiesza pracę lekarzy i radiologów. Dotychczas ludzie tworzyli taki opis samodzielnie, co nie tylko wydłużało czas diagnostyki, ale również ograniczało jej możliwości.

Wykorzystanie algorytmów umożliwia przetworzenie ogromnych zbiorów danych w relatywnie krótkim czasie. Efektem jest szybsza i dokładniejsza diagnoza lub redukcja konieczności wykonania powtórnych badań diagnostycznych.

Przykładowo, dzięki algorytmowi opracowanemu przez zespół ze Śląskiego Centrum Chorób Serca w Zabrzu można nie przeprowadzać zbędnych angiografii tętnic wieńcowych u 70 proc. osób kierowanych do badania.

Decyzja lekarza czy algorytmu?

Problematyczny może być jednak stosunek osób decyzyjnych – w tym przypadku lekarzy lub diagnostów – do wyników algorytmu. Z licznych badań i obserwacji wynika, że zaufanie ludzi do algorytmów w procesie podejmowania decyzji ma niejednoznaczny charakter.

W sytuacji decyzyjnej, w której ludzie mają wybór między własnym osądem i podpowiedzią wyników algorytmu, bardziej prawdopodobne jest, że zostaną przy swojej ocenie.

Tę awersję do algorytmu (algorithm aversion) opisali badacze z Uniwersytetu w Pensylwanii. Z ich badań wynika, że ludzie są szczególnie sceptycznie nastawieni do prognoz przedstawianych przez algorytmy, mimo że prognozy podane przez algorytmy są trafniejsze niż ludzi.

Przejrzystość algorytmów jest kluczowa

Do powyższych obiekcji dochodzą naturalne skłonności dotyczące preferowania czynników naturalnych (ludzi) niż sztucznych (algorytmy). Statystyczne wspomaganie podejmowania decyzji jawi się jako coś sztucznego, mechanicznego, martwego.

W odniesieniu do zastosowania AI w medycynie ważnym aspektem jest też tradycyjne postrzeganie decyzji medycznych jako sztuki. Taki obraz nie przystaje do surowości i jałowości algorytmu.

Jednak zdaniem badaczy można zredukować awersję do algorytmu, jeśli osoba korzystająca ma wgląd i możliwość jego modyfikacji. Wymaga to transparentnej konstrukcji algorytmów, co wciąż stanowi wyzwanie dla ich twórców.

Wspomniany system eRADS pozwala lekarzowi na wgląd do modelu i weryfikacji wyniku badania dokonanego przez algorytm.