Era veštačke inteligencije u zdravstvu

Veštačka inteligencija ulazi u svet medicine unapređujući procese u medicinskom sistemu i čineći ih efikasnijim (bržim i jeftinijim), pre svega u oblasti dijagnostike, lečenju i nezi pacijenata, kao i u farmakologiji. Tome svakako treba dodati i uštedu u vremenu obavljanja rutinskih administrativnih zadataka zahvaljujući sposobnosti veštačke inteligencije da brzo analizira ogromne količine podataka.

Autor: Nadežda Veljković

Ključna područja primene veštačke inteligencije u medicini jesu poboljšana dijagnostika (analiza snimaka s velikom preciznošću i rano otkrivanje bolesti), klinička podrška odlučivanju (pomoć lekarima u izboru optimalnog lečenja, lekova i drugih potreba pacijenata), otkrivanje i razvoj novih lekova, personalizacija medicinskih usluga prilagođenih pacijentu, kao i praćenje stanja pacijenata i pružanje adekvatne pomoći.
Istovremeno, s brojnim prednostima, pojavljuju se i sasvim očekivani izazovi i rizici.

Pre svega odnose se na privatnost i sigurnost podataka pacijenata, poverenje i etički pristup, a postavlja se i pitanje odgovornosti za eventualne greške u dijagnostici i lečenju. Ipak, i pored svih tih izazova i rizika, veštačka inteligencija nalazi svoje mesto u medicini s potencijalom da značajno poveća kvalitet i efikasnost njenih usluga.

Pametna dijagnostika

Veštačka inteligencija, zahvaljujući algoritmima mašinskog dubokog učenja (deep learning), uključuje se mnogo efikasnije i tačnije od tradicionalnih metoda u oblast medicinske dijagnostike. Algoritmi obučeni na velikim setovima podataka mogu brže i lakše da identifikuju anomalije koje bi mogle da ostanu neprimećene korišćenjem tradicionalnih metoda. Na taj način su već u upotrebi za analizu rendgenskih snimaka, MRI i CTI skenera, medicinskih slika i laboratorijskih analiza, što omogućava mnogo efikasniju dijagnostiku i rano otkrivanje karcinoma dojke, plućnih bolesti, melanoma, moždanih udara i povreda mozga.

Osnova medicinske dijagnostike je uspostavljanje kliničkih korelacija i uvida putem razvoja asocijacija i obrazaca iz postojeće baze podataka informacija. Tradicionalno, koriste se statističke metode za utvrđivanje ovih obrazaca i asocijacija, dok računari i veštačka inteligencija uče umetnost dijagnostikovanja putem dve široke tehnike – dijagrama toka i pristupa zasnovanog na bazi podataka.

Pristup zasnovan na dijagramima toka podrazumeva prevođenje procesa uzimanja anamneze (pri čemu lekar postavlja niz pitanja pacijentu) i postavljanja verovatne dijagnoze kombinovanjem predstavljenog kompleksa simptoma. Ovo zahteva unošenje velike količine podataka, uzimajući u obzir širok spektar simptoma i procesa bolesti koji se sreću u rutinskoj medicinskoj praksi. Ishodi ovog pristupa su ograničeni jer mašine nisu u stanju da posmatraju i prikupljaju znakove koje lekar može da posmatra samo tokom susreta s pacijentom.

Jedan od najatraktivnijih aspekata primene AI u medicini jeste mogućnost razvoja personalizovane medicine. Korišćenjem veštačke inteligencije lekari mogu da prilagode tretmane potrebama svakog pacijenta na osnovu njegovog personalizovano kreiranog profila

Za razliku od te metode, pristup zasnovan na bazi podataka koristi princip dubokog učenja ili prepoznavanja obrazaca koji podrazumeva podučavanje računara putem ponavljajućih algoritama u prepoznavanju kako izgledaju određene grupe simptoma ili određene kliničke slike. Primer primene te metode su AI sistemi koje je razvila kompanija Google Deep Mind i koji mogu na osnovu analize oftalmoloških snimaka da prepoznaju dijabetsku retinopatiju i druge bolesti mrežnjače.

Personalizovani tretman

Jedan od najatraktivnijih aspekata primene AI u medicini jeste mogućnost razvoja personalizovane medicine. Korišćenjem veštačke inteligencije lekari mogu da prilagode tretmane potrebama svakog pacijenta na osnovu njegovog personalizovanog profila. Tehnologija vođena veštačkom inteligencijom oblikuje način na koji se tretmani kreiraju i prilagođavaju. Algoritmi preporučuju efikasne terapije za pojedinačne pacijente, analizirajući genetske podatke, istorije lečenja i način života.

Takvom tretmanu pridružuje se i još jedan značajan potencijal veštačke inteligencije – preventivna analiza. Koristeći ogromnu količinu podataka o pacijentima, ona može da predvidi rizik od razvoja određenih bolesti, kao i da preporuči preventivne mere pre nego što dođe do pogoršanja i razvoja bolesti. Tako se, na primer, mogu identifikovati ljudi sa izraženim rizikom od srčanog udara, predvideti ozbiljne komplikacije od dijabetesa i hipertenzije i, u skladu s tim, prilagoditi tretman ili predložiti promene u načinu života pacijenata.

AI i farmakologija

Jedan od glavnih izazova u farmaceutskoj industriji jeste dug i skup proces razvoja novih lekova i terapija. Veštačka inteligencija to može da promeni i skrati vreme potrebno za analizu bioloških i hemijskih procesa, kao i za simulaciju kliničkih ispitivanja. Takođe, tome znatno doprinosi i korišćenje algoritama za analizu genetskih podataka pacijenata kako bi se predvidela njihova reakcija na primenu različitih lekova. Zbog toga eminentne farmaceutske kompanije već aktivno primenjuju AI u svom razvoju, posebno za oblast onkologije (AI pomaže u identifikaciji biomarkera).

Primer primene prisutan je u američkim biotehnološkim kompanijama Insilico Medicine i Atomwise. One koriste AI za analizu potencijalnih novih supstanci (lekova) i predviđanje njihovih efekata na ljudski organizam. Istraživanja su intenzivirana u vreme pandemije koronavirusa preko AI platforme koju je razvilo nekoliko istraživačkih timova iz te oblasti. Tehnologija je već korišćena za otkrivanje novih slučajeva Alchajmerove i Parkinsonove bolesti, kao i kancera.

Primeri AI primene

Brojne startap i već renomirane kompanije već su uvele veštačku inteligenciju u zdravstvo. Među najpoznatijim u toj oblasti je američka kompanija GNS Healthcare, poznata po simulacionoj tehnologiji za otkrivanje i razvoj lekova za onkologiju, imunologiju i neurodegenerativne indikacije. Koristi REFS (Reverse Engineering, Forward Simulation) platformu za kauzalno mašinsko učenje i simulaciju kako bi se otkrili pokretači progresije bolesti i individualni odgovori pacijenta na lekove. Ispitivanja se simuliraju na Gemini in silico kompjuterskom modelu pacijenta s malignim oboljenjem koštane srži. Kompanija sarađuje sa farmaceutskim i biotehnološkim kompanijama, istraživačkim centrima, medicinskim društvima i grupama za zastupanje pacijenata.

Postoje i mnogi drugi primeri primene u raznim oblastima medicine. Germwatcher je sistem koji je razvio Univerzitet u Vašingtonu za otkrivanje i ispitivanje bolničkih infekcija. U Velikoj Britaniji aplikaciju Babylon pacijenti mogu koristiti za onlajn konsultacije s lekarom. Osim toga, spektar veštačke inteligencije se proširio kako bi pružio i terapeutske mogućnosti. AI terapija je onlajn kurs koji pomaže pacijentima da leče svoju socijalnu anksioznost koristeći terapeutski pristup kognitivno-bihevioralne terapije. Sa istim ciljem razvijen je i program CBTpsych.com na Univerzitetu u Sidneju.

Robotski hirurški sistem Da Vinci, koji je razvila američka kompanija Intuitive Surgical, revolucionisao je oblast hirurgije, posebno urološke i ginekološke operacije.

Kompanije Insilico Medicine i Atomwise koriste AI za analizu potencijalnih novih supstanci (lekova) i predviđanje njihovih efekata na ljudski organizam

Tu su i razne aplikacije za praćenje zdravlja pacijenata koji mogu da prate otkucaje srca, nivoe aktivnosti, nivoe sna, čak i da naprave EKG zapise (Fitbit), zatim aplikacije koje prate upotrebu lekova od strane pacijenata (AiCure), kao i inteligentni sistemi podrške starijim osobama i pametne jedinice intenzivne nege (Univerzitet Stanford, sistem PAC).

Budućnost veštačke inteligencije u zdravstvu

Primena AI u medicini proces je koji se ne može zaustaviti. Efikasnost i ekonomičnost takvih sistema zasnovane su na činjenici da veštačka inteligencija iz mnogobrojnih slučajeva zabeleženih u bazi podataka može da „nauči“ za samo nekoliko minuta više nego što čovek (lekar) nauči za čitav svoj život.

Pored efikasnosti, veštačka inteligencija, kao sastavni deo medicine u budućnosti, nudiće pomeranje zdravstvene zaštite ka prevenciji i kontinuiranom praćenju. Stoga je važno obučiti novu generaciju medicinskih specijalista u vezi s konceptima i primenljivošću veštačke inteligencije. Važno je da lekari primarne zdravstvene zaštite budu dobro upoznati s budućim napretkom veštačke inteligencije i novom nepoznatom teritorijom ka kojoj se svet medicine kreće.

Ipak, nova era medicine proširene veštačkom inteligencijom ima podjednak broj skeptika kao i zagovornika. Povećana upotreba tehnologije smanjila bi broj mogućnosti za posao, što zabrinjava mnoge lekare. Takođe, mašine nisu u mogućnosti da raspolažu određenim ljudskim osobinama, poput kritičkog razmišljanja, međuljudskih i komunikacionih veština, emocionalne inteligencije i kreativnosti.