Kilencven százalékban helyesen diagnosztizálta egy mesterséges intelligencián alapuló algoritmus a gyerekek tüneteit egy kínai kórházban, ez az emberi orvosokkal megegyező teljesítmény. A digitális kórmeghatározás a jövőben nemcsak a rendelőben eltöltött órákat rövidítheti le, de a téves diagnózisok számát is lecsökkentheti.
A Nature Medicine szaklap tegnap megjelent számában közölt tanulmány szerint a kínai és amerikai kutatók egy kínai gyermekkórházban másfél év alatt kezelt 567 498 gyermek adatait vették alapul. A kórlapjukon szereplő tüneteket, kórtörténetet, laboreredményeket kulcsszavakká konvertálták, majd ezt az adattömböt táplálták az algoritmusba. A mesterséges intelligencia (amelyet előzetesen ismert tünetcsoport-betegség kapcsolatokkal tanítottak) az esetek nagy részében, 90 százalékában helyes döntést hozott, mint a kontrollként felkért orvosok.
Mielőtt legyintenénk, hogy a kilencven százalék nem elég, hiszen itt emberéletekről van szó, így tökéletes pontosság kell, fontos figyelembe vennünk, hogy az emberi orvosok sem tévedhetetlenek. Nagyon nem azok. Egy amerikai felmérés szerint ugyanis az Egyesült Államokban minden huszadik (emberi) diagnózis téves.
Ez évente 12 millió félrediagnosztizált (és ezáltal valószínűleg félrekezelt) beteget jelent.
Közülük minden második téves diagnózisa ronthatja veszélyesen a kilátásait. Egyes szűkebb orvosi részterületeken már korábban is sikerrel alkalmazták az általában mesterséges neuronhálókkal működő algoritmusokat. Ez általában különféle képalkotó eljárások (például röntgen, CT vagy MRI) által készített felvételek elemzését jelenti. A programok sokszor már ma is sikeresebben diagnosztizálják a tüdőrákot, az agydaganatot vagy az Alzheimer-kórt, mint akár a leggyakorlottabb orvosok. A San Diegó-i Kaliforniai Egyetem mostani kutatásban résztvevő egyik orvosa nemrégiben szemfenék-felvételek automatikus elemzésére képes algoritmust alkotott, amely képes az orvosok előtt kiszűrni a cukorbetegség következményeként kialakuló, kezdődő látásvesztés jeleit (így a bevérzéseket, léziókat).
Most azonban ennél sokkal összetettebb adattípusok elemzésére alkottak algoritmust, amely azonban - figyelmeztetnek más kutatók - még mindig messze áll egy való életben dolgozó gyermekgyógyász elé kerülő esetek komplexitásától. Az efféle gépi tanuláson alapuló algoritmusoknál megszokott módon a kutatás első fázisában számos (mintegy hatezer) diagnosztizált beteg gyermek tüneteit, kórtörténetét és betegségét táplálták a programba. A szoftver ezek alapján kialakította a helyes döntéshez szükséges kereteket, vagyis megtanulta, hogy milyen tünetkombinációk alapján lehet a legsikeresebben az egyes betegségekre következtetnie. Összesen 55 betegség jöhetett szóba, ezek között a leggyakoribb gyermekbetegségeket találjuk. Természetesen sokkal több kórban szenvedhet a gyermek, és ezek lefolyása is más és más tüneteket produkál, de hát nem lehet mindent azonnal elvárni egy születőfélben lévő technológiától.
Voltak olyan esetek, amikor az algoritmus sikeresebben diagnosztizálta a betegséget, mint azok a gyakorlott diagnoszták, akiket összehasonlításképpen kértek fel, és ugyanazokat az adatokat kapták meg. Az asztma megállapítása például 90 százalékban sikerült a gépnek, az ember orvosok ugyanerre 80-94 százalékos sikerességgel voltak képesek.
Az emésztőszervi megbetegedések esetén a gép sikeressége 87 százalékos volt, az embereké 82-90 százalék.
Nem is a sikeresség a legnagyobb gátja annak, hogy a számítógép akár már holnap átvegye a diagnosztizáló orvos helyét a kórházakban (vagy, ahogy a szakma megnyugtatására a fejlesztők mondani szokták, segítse az orvost a napi rutin feladatok ellátásában). Az orvosok bizalmát sokkal nehezebb elnyerni, mint az ő teljesítményükkel azonos sikerességet elérni. A mesterséges intelligencia működésének pontos lépései általában átláthatatlanok, „fekete dobozként” hatnak még a fejlesztők számára is. Hogyan is érthetné őket akkor egy orvos, ha pedig nem érti, akkor nem is fog megbízni benne.
Nem véletlen, hogy hasonló kutatás csak Kínában jöhetett létre.
Az ország minden erőforrást módosít, hogy a mesterséges intelligencia kutatásának meghatározó hatalmává váljon világszerte, és az ehhez szükséges hatalmas adattömbök beszerzése sem jelent nehézséget. Míg nyugaton több mint félmillió gyermek egészségügyi adatainak megszerzése kínkeserves, és legtöbbször kivitelezhetetlen küzdelmet jelentene (hiszen etikai engedélyek és beleegyező nyilatkozatok tömegét igényelné), addig Kínában egyszerűen lehívták az egész adatmennyiséget egyetlen kórház adatbázisából.
Ez olyan előny, amellyel a nyugati demokráciák kutatói (szerencsére) nem vehetik fel a versenyt.