Bár a közvéleményt igazán csak az utóbbi években kezdte el foglalkoztatni hogy milyen lehetőségek rejlenek a mesterséges intelligencián, gépi tanuláson alapuló technológiákon, és hogy milyen kockázatokkal, veszélyekkel járhat mindez (például tényleg kell-e aggódnia amiatt, hogy a robotok elveszik a munkát?), mesterségesintelligencia-alapú algoritmusok valójában már az 1950-es években is voltak, mára pedig szinte nincs is olyan területe az életünknek, ahol ne lennének jelen.
Az egészségügy is aktívan érdeklődnek aziránt, ők hogyan tudják hasznosítani a mesterséges intelligenciát. Jelenleg főleg a diagnosztika alkalmazza az MI-t, de – mint a 24.hu írja – az EIT Health (European Institute of Innovation and Technology) és a McKinsey&Company felmérése szerint a szakemberek arra számítanak, hogy a következő 5-10 évben emellett a klinikai döntéshozatalban is kiemelkedő szerepe lesz a mesterséges intelligenciának.
Fotó: Getty Images
Következzen most pár olyan alkalmazási terület, ahol már kísérleteznek mesterséges intelligenciával:
- Fertőző betegségek: agyhártyagyulladás, a szepszis és a tuberkulózis diagnosztizálásának javítására, valamint a hepatitis B és hepatitis C betegek kezelési szövődményeinek előrejelzésénél is vizsgálták már, milyen lehetőségek rejlenek ebben a technológiában.
- Mozgásszervi problémák: az orvosok már használták a MI-t a nem megfelelően kezelt térdfájdalmak okainak azonosítására..
- Onkológia: a daganatos megbetegedéseknél több irányba is elindultak kutatások azzal kapcsolatban, hogyan lehetne kiaknázni a mesterséges intelligencia adta lehetőségeket, a három terület, ami fókuszban van: a kockázati tényezők megállapítása, a diagnosztika, illetve a gyógyszerkutatás. Az onkológiai ellátásban a mesterséges intelligencia fejlesztése során különösen nagy kihívást jelent az a képesség, hogy pontosan megjósolható legyen, mely kezelési protokollok lesznek a legmegfelelőbbek az egyes betegek számára az egyéni genetikai, molekuláris és tumoralapú jellemzőik alapján.
- Szemészet: öt évvel ezelőtt, 2018-ban az Egyesült Államok Élelmiszer- és Gyógyszerügyi Hivatala ( Food and Drug Administration -FDA) engedélyezte az első olyan orvostechnikai eszköz forgalomba hozatalát, amely algoritmus segítségével diagnosztizálja a szembetegség egy bizonyos típusát, a diabéteszes retinopátiát. Az elképzelés ezen a területen is az, hogy az MI segítségével gyorsabban, pontosabban lehet majd megállapítani, ha valaki valamilyen betegséggel küzd.
- Gasztroenterológia: ugyanaz igaz az emésztőszervrendszer problémáira is. Miközben reménykedhetünk abban, hogy egyszer majd nem lesz szükség endoszkópos vizsgálatokra, most inkább az a cél, hogy az ilyen eljárásoknál az MI révén a szakemberek gyorsabban azonosítsák a betegségeket.
- Gyógyszerkölcsönhatások: mivel rengeteg készítmény van, nem könnyű nyomon követni, hogy mely gyógyszerek együttes alkalmazása okozhat problémát, de már több olyan algoritmust is fejlesztettek, ami megoldást jelenthet.
Segíthetek?
Nemcsak Magyarországon küzd az egészségügy azzal, hogy a benne dolgozókra óriási terhet rónak az adminisztrációs feladatok.
Sokan abban bíznak, hogy a mesterséges intelligencia majd csökkentheti ezeket a terheket és enyhítheti az errőforrás-kapacitások hiányából adódó problémákat. Hogy nőhet a hatékonyság és ezzel egyidőben több figyelem jut majd a betegekre.
Dr. Matthew Hitchcock, egy chattanoogai háziorvos például arról mesélt, hogy körülbelül 20 perc alatt végez a napi beteglátogatások dokumentálásával annak köszönhetően, hogy mesterséges intelligenciát is használ. Persze vannak, akik aggódnak amiatt, hogy egyesek nemcsak az adminisztrációhoz, dokumentációhoz szükséges feladatokat bízzák majd rá a mesterséges intelligenciára, elvégre óriási a kísértés, hogy egy ponton az MI segítségével készüljön a diagnózis, vagy találjanak meg fontos orvosi információkat.
És biztosan vannak, akik attól is berzenkednek, hogy az orvos-beteg kommunikáció egy részét is kiszervezhetik a robotoknak. Pedig ebben is vannak lehetőségek; sokan panaszkodnak a nem megfelelő tájékoztatásra, vagy épp a nem megfelelő bánásmódra, amire egyesek szerint megoldást jelenthetnek a ChatGPT-hez hasonló nyelvi modellek. A betegek egyrészt megkaphatják a számukra fontos információkat, mindezt ráadásul kellő empátiával és érthetően tálalva.
Persze, itt is van még hova fejlődni, a Stanford Health Care adattudományi csapatának kutatásai során a nyelvi modellek néha olyan válaszokat adtak, amelyek időnként tévesek voltak, de gyakrabban fordult elő, nem volt hasznos vagy ellentmondásos volt a szöveg, amit megalkottak.
Ez már nem a jövő zenéje
Magyarország Mesterséges Intelligencia Stratégiájának is része az adatvezérelt egészségügy fejlesztése, pontosabban az ún. egészségügyi adatvagyon felelős használata, a mesterséges intelligencia diagnosztikai és gyógyítási felhasználásának erősítése, az MI-támogatott orvosi döntéshozatal és orvostechnológiai eszközök fejlesztése és bevezetése. Létre is jött az ún. Egészségbiztonság Nemzeti Laboratórium, és azon belül az Adatvezérelt Egészség Divízió.
„A mesterséges intelligencián alapuló alkalmazások nagy része egészségügyi adatokat tartalmaz, az EESZT-ben is rengeteg betegadat gyűlt össze, fontos ezek strukturálása.
Az adattal életet lehet menteni, ezért egyre tisztább, strukturáltabb, hozzáférhetőbb adatokra van szükség,
Egészségbiztonság Nemzeti Laboratórium, és azon belül az Adatvezérelt Egészség Divízió, melynek átfogó célja az egészségügyi és egészségipari paradigmaváltás támogatása kutatási és innovációs oldalról – nyilatkozta az IME Országos Egészségügyi Infokommunikációs konferencián Szócska Miklós, a Semmelweis Egyetem (SE) Egészségügyi Menedzserközpontjának igazgatója.
És természetesen már számos hazai projekt van, ami a technológia felhasználási lehetőséget kutatja.
2022-től már ingyenesen elérhető az a mesterségesintelligencia-alapú technológia, amely hétszázféle bőrbetegséget képes azonosítani a páciens által beküldött fotó alapján. Az AIP Derm alkalmazást egy magyar cég fejlesztette, és a Semmelweis Egyetem Bőr-, Nemikórtani és Bőronkológiai Klinikájával együttműködésben tesztelték a működését.
Fotó: AIP Labs
Mint írták, az AIP Derm a betegellátásban való használat mellett az oktatásban is alkalmazható, tanulásra, vizsgáztatásra egyaránt: Tesztelik például azt is, hogy egy-egy elváltozást milyen eredményességgel ismer fel egy rezidens, egy patológus, egy szakorvos, valamint a mesterséges intelligencia.
Az ilyen és ehhez hasonló alkalmazások használata nem jelenti rögtön azt, hogy a szakemberekre nincs szükség. Mint a hivatalos közleményben írják, miután az orvos jóváhagyja a diagnózist, többféle kimenet lehetséges: az applikáción keresztül a beteg azt az információt kapja, hogy nincs teendője az elváltozás miatt, a szakvélemény mellett receptet kap elektronikusan, vagy javaslatot vény nélküli gyógyszerre, továbbá személyes konzultációra a területileg illetékes szakrendelésre irányítják.
A szintén a Semmelweis Egyetem részvételével zajlott az a projekt, amely mellkasi CT felvételeket kiértékelő mesterséges intelligencia alkalmazásával segíti a daganatos megbetegedések korai felismerését. A neurális hálózatok mélytanulási módszerén alapuló most fejlesztett új diagnosztikai eljárás hatékonyabb szűréssel segíti majd a radiológusok munkáját.
Fotó: Semmelweis Egyetem
Beszédelemzésen alapuló, a depresszió felismerését segítő nyelvfüggetlen szoftveren dolgozik közösen a Budapesti Műszaki és Gazdaságtudományi Egyetem és a Semmelweis Egyetem szakemberei. A technológia, amely a Parkinson-kór és diszfónia szűrésére is alkalmas, elsősorban az alapellátásban segíthetné a világszerte milliókat érintő mentális betegség diagnosztizálást.
A depressziós betegek beszéde általában megváltozik: monotonabb és halkabb lesz, többször tartanak szünetet. Ezeket a jellegzetességeket tanítjuk meg a szoftvernek egy speciális módszer (Support Vector Regression) segítségével
– magyarázza dr. Kiss Gábor, a BME Távközlési és Médiainformatikai Tanszékének tudományos munkatársa.
És miben ad ez pluszt a hagyományos módszerekkel szemben? A betegség felismerésére jelenleg leggyakrabban vagy az úgynevezett Beck Depression Inventory (BDI) vagy a Hamilton Rating Scale for Depression (HAMD) teszteket használják, melyek nem teljesen objektívek. Előbbinél ugyanis a páciens maga értékeli állapotát, és bár a HAMD-tesztet az orvos tölti ki a beteg jelenlétében, ez egy időigényesebb folyamat.
A sort tovább lehet folytatni, a magyar InSimu kifejlesztett egy programot, amely lehetővé teszi, hogy az orvostanhallgatók virtuális betegeken gyakorolhassák a diagnosztizálást, míg a szintén magyar Sineko Global Kft. a radiológiai jelentéseket fordító GRAID szoftverével a nemzetközi teleradiológia fejlesztésére törekszik.
A hazai GE Healthcare projektje a Deep MR-only RT, aminek célja, hogy a rákos betegek sugárterápiás kezelését fejlessze az MR képalkotásának fejlesztésével, így a CT-k elhagyhatók lennének a vizsgálat során. A YogaNotch magyar start-up testre rögzíthető érzékelőket fejlesztett ki annak érdekében, hogy a jógázás alatt valós idejű, személyre szabott visszajelzéseket kapjon a használó a helyes testtartásról.
És hogy min és hogyan dolgoznak a hazai szakemberek, abban nemrég betekintést kaphatunk Mesterséges Intelligencia Nemzeti Laboratórium (MILAB) egyik rendezvényén, ami kifejezetten az egészségügyről szólt.
Az egyik meghívott vendég Horváth-Puhó Erzsébet, a dániai Aarhus Egyetem biostatisztikusa volt. Előadásában kitért azokra a kihívásokra, amikkel szembe kell néznünk: ott a klímaváltozás, az emberiség száma növekszik, és ahogy egyre nő az átlagéletkor, úgy jellemző egyre inkább a multimorbiditás, vagyis, hogy valakinél egyszerre több kóros betegség is jelentkezik. Épp emiatt egyre nagyobb szükség van az ok-okozati összefüggések feltárására.
Nem nehéz kitalálni, hogy ebben milyen sokat segíthetnek az adatok. A mesterséges intelligencia pedig abban segíthet, hogy egyszerre sokkal több változót tudjunk megvizsgálni. Dánia egyébként ilyen szempontból az epidemiológusok álma, hosszú évtizedek óta gyűjtik az egészségügyi adatokat, így van miből dolgozni. Ezeket az adatokat több területen, vagyis a kutatásban, az oktatásban és az ellátásban is fel lehet használni. A gépi tanulással való adatelemzéshez példaként hozta fel az öngyilkossági kockázatokkal foglalkozó kutatást, ami jó példa arra, hogy miért jó, ha minél több tényezőt tudunk figyelembe venni.
Ami a jövőt illeti, a Real4Reg projekt emelte ki. Ez 2023 januárjában indult, az Európai Unió finanszírozza, és fő célja, hogy a mesterséges intelligencia és gépi tanulás előnyeit kihasználva megvizsgálja a valós adatok (pl. nemzeti egészségügyi nyilvántartások) felhasználását, és meghatározza a döntéshozatali módszereket és szabványokat. A projektben több európai ország adatforrásait elemzik, és négy fő feladatot határoztak meg:
- a mellrákban és az amyotrófiás laterális szklerózisban (ALS-ban) szenvedő populáció meghatározása valós adatok segítségével
- olyan adatok azonosítása, amelyek mellett nem lesz szükség arra, hogy a kutatásoknál mindig jelentős számú placebót vagy standard kezelést kapó személlyel dolgozzanak, ami különösen fontos az olyan ritka betegségek, mint az ALS, vagy a több különböző altípussal rendelkező betegségeknél, mint amilyen az emlőrák,
- növelni a gyógyszerek mellékhatásáról való információkat, az elemzés esettanulmányának középpontjában pedig az antibiotikumok egyik osztálya, a fluorokinolonok állnak majd
- a rendelkezésre álló gyógyszerek új felhasználási módjainak megismerése, a Real4Reg elemezni fogja a cukorbetegség kezelésére szolgáló gyógyszerek egy osztályának (SGLT2-gátlók) esetét, az elmúlt években kiderült, hogy ezek a gyógyszerek a szívelégtelenség kezelésére is alkalmazhatók.
A rendezvényen előadott dr. Skoda Réka, aki a Semmelweis Egyetem Városmajori Szív- és Érgyógyászati Klinikáján dolgozik. Mint elmondta,
az emberi szervezet bonyolult, és ő is kiemelte, hogy ha túl sok tényezőt kell figyelembe venni, akkor bizony nehéz törvényszerűségeket találni, és igen, ebben a mesterséges intelligencia nagy segítségünkre lehet.
A Biológiai életkor, korai öregedés hatásának mesterséges intelligencia segítségével történő vizsgálata heveny szívizom infarktus lefolyására című előadásában elhangzott, a technológia nemcsak a megelőzésben, hanem például az egészséges és patológiás állapotok megkülönböztetésében, az ellátás optimalizálásban, a beavatkozások hatékonyságának maximalizálásban is segíthet.
Felszólalt dr. Szócska Miklós, a Belügyminisztérium Mesterséges Intelligencia Munkacsoport vezetője és az Egészségbiztonság Nemzeti Laboratórium Adatvezérelt Egészség Divízió vezetője is, aki hangsúlyozta,
az adat életet ment, és közpénzt takarít meg.
Példaként hozta fel az elemzést, ami az onkológiai betegutakról készült, ami megmutatja, hogy a daganatos betegséggel diagnosztizált páciensek hol és merre járnak a kezeléseik során, amiből nyilván olyan következtetéseket is le lehet vonni, hogy hova érdemes csoportosítani az erőforrásokat.
Fotó: Kovács Attila/Semmelweis Egyetem
Kitért rá, hogy az intézmények a legtöbbször vagyoni értékként tekintenek az adatra, és ez is megnehezítheti, hogy hozzá lehessen férni az információkhoz.
Mint mondta, lehet, hogy az adat az új nyersanyag, ám fontos, hogy a döntéshozók megértsék, ez nem jelenti mindjárt azt, hogy el is kell adni, mint az olajat. Érdemes inkább benzinkutat építeni.
Eddig talán bele sem gondoltunk, hogy betegként mekkora is a digitális lábnyomunk, amit magunk mögött hagyunk: adatok képződnek rólunk, ha háziorvoshoz megyünk, amikor szakrendelésen járunk. De a kórházakban és a gyógyszertárakban is adatot szolgáltatunk, miközben léteznek olyan információk, amiket mi magunk szolgáltatunk. Rendszerszinten ezek többek között az EESZT-ben jelennek meg.
Szócska kitért arra is, hogy Magyarországon a patológusszakma jelentősen öregszik, ez pedig erőforrás-problémákhoz vezethet, ezért is jó, ha például a nemzeti szűrőprogramot támogató technológiát alkalmaznánk.
Feleslegessé teszi a szakemberek munkáját?
Dr. Eric Topol kardiológus, a Scripps Research Translational Institute alapítója és igazgatója, a Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again című könyvében arról ír, hogy a mesterséges intelligencia hogyan alakítja majd át az orvosok munkáját. Az ő meglátása szerint ebben a kérdésben nem kell borúlátónak lenni:
Nem hagyatkozhatunk, és nem is fogunk soha csak algoritmusokra hagyatkozni élet-halál kérdésekben. Ehhez emberi szakértői kontextualizációra van szükség, amire a gépek nem képesek.
Hozzátette egy interjúban, ugyan az MI sokat segíthet abban, hogy bizonyos műtéti beavatkozások precízebbek legyenek, és biztos, hogy lesznek kiváló sebészrobotok, azoknak sem kell rettegnie, akik fél életüket a műtőben töltik, rájuk is szükség lesz, és csak profitálni tudnak majd.
A mi generációnk felelőssége, hogy megtanulja az AI-t oly módon használni, hogy előnyeit kiélvezzük, de közben ne veszítsük el a kontrollt
– emelte ki egyik, az egészségügyről szóló előadásában dr. Meskó Bertalan orvosi jövőkutató, a The Medical Futurist Institute vezetője.
Az ezen szavakban megbújó aggodalmat más is osztja. Az Egészségügyi Világszervezet (World Health Organization, WHO) 2023 tavaszán óvatosságra intett a közegészségügy területén használt mesterséges intelligencia miatt. Miközben úgy vélik, az MI javíthat az egészségügyi információhoz való hozzáférésben, előrelépést jelenthet diagnosztikai ellátásban, valamint döntéstámogató eszközként is használható, a szervezet szerint problémát jelenthet az, hogy a felhasznált adatok szubjektívek lehetnek és vissza is élhet velük a rendszer. Emellett azt is problémásnak találják, hogy az MI-modellek visszaélésre és dezinformáció generálására is használhatók lehetnek.
Mint arról mi is írtunk korábban, az előítéletek, az elfogultság nem szűntek meg azzal, hogy egyre többször bízzák a döntéseket a mesterséges intelligenciára, azokat sikerült átörökíteni az algoritmusok világába is, az algoritmusok is tudnak diszkriminálni. Csak egy példa: torzításokat okozhat az az egészségügyi adatokban, hogy a szív- és érrendszeri megbetegedéseket sokáig a férfiak problémájának tekintették. Az ilyen jellegű problémákra megoldást jelenthet az, ha olyan bemeneti adatokkal dolgozhat, amelyek pontosan tükrözik a betegek demográfiai adatait.
Nemcsak az egészségügyi, hanem más területeken is aggályos lehet az, hogy a mesterséges intelligenciánál felléphet a fekete doboz problémája, vagyis hogy még azok, akik megalkották, sem tudják, pontosan hogyan is működik a rendszer. És beszélni kell az adatvédelemről is. Egy brit felmérés szerint az emberek 63%-a nem szívesen osztja meg a személyes adatait azért, hogy ezzel elősegítse a technológia fejlesztéseket. Ha viszont nincsenek valós, jól hozzáférhető adatok, akkor az komoly akadályt jelenthet.
Egy, a Science című folyóiratban megjelent tanulmány szerint az is
gondot jelenthet, hogy lesznek, akik megpróbálják majd becsapni a mesterséges intelligenciát,
mondjuk úgy, hogy módosítják a tanuláshoz szükséges adatokat, azzal például, ha egy tüdőről készült felvételen néhány pixelhez hozzányúlnak, elérhetik, hogy az MI akkor is betegséget diagnosztizáljon, amikor egy tökéletesen egészséges betegről van szó.
A kutatás szerzői szerint ugyan fennáll a lehetősége annak, hogy hackerek próbálkoznak majd ilyesmivel, sokkal valószínűbb, hogy az orvosok, kórházak és/vagy más egészségügyi szereplők manipulálhatják a számlázási vagy biztosítási szoftverekben lévő mesterséges intelligenciát annak érdekében, hogy maximalizálják a hozzájuk befolyó pénzt.
Néhány hónappal ezelőtt az Európai Parlament egyébként elfogadta az ún. AI Actet, vagyis a mesterséges intelligencia szabályozási keretrendszerét, amellyel az adatvédelmi aggályokra is igyekeznek megoldást találni, de egyelőre még dolgoznak a szabályozás végleges változatán.