Anul trecut s-a organizat un concurs de diagnosticare a tumorilor pe creier, concurs la care au participat neurologi experimentați și bioMind - un sistem chinezesc de IA. S-au dat 225 de cazuri de diagnosticat. Doctorilor le-a luat 30 minute să evalueze toate cazurile cu o acuratețe de 66%. BioMind a obținut o acuratețe de 87% în 15 minute.
Nu este deloc surprinzător că Modern Medicine Network a catalogat IA ca tendința numărul 1 în radiologie în 2019, doctorii renunțând treptat la scepticism în favoarea entuziasmului și a speranței.
În societatea "I" (inteligentă), unde avem toți nevoie de o doză mai mare de atenție, tratamentele medicale tind să fie orientate pe pacient, devenind personalizate. Serviciile medicale orientate pe pacient reprezintă nu doar un criteriu de calitate, ci și un factor de evaluare a performanței. Azi, doctorii trebuie să aloce mai mult timp acestui tip de servicii, în contextul gestionării consultațiilor, a citirii analizelor, a operațiilor chirurgicale și a aspectelor administrative. Instrumentele IA îi ajută pe doctori să salveze vieți.
Imaginați-vă că sunteți neurochirurg. Aveți niște ani de experiență în domeniu; ați consultat foarte mulți pacienți. Visați chisturi epidermoide, medulloblastome și meningiome. Aveți un nou pacient căruia trebuie să îi citiți scanarea, dar există un element de noutate. Nu puteți stabili diagnosticul doar pe baza experienței profesionale pe care o aveți. Doriți o a doua părere și rugați un coleg neurochirurg pe care îl respectați să vă dea acces la baza lui de date și să vă dea un sfat. Procesul poate dura câteva zile și poate pune pacientul în pericol.
Totuși, dacă ar exista un algoritm antrenat să ia decizii nu bazându-se pe cunoștințele unuia, ci pe a mai multor colegi, nu doar pe cazurile cu care sunteți familiar, ci, dimpotrivă, pe acelea ale sutelor de mii de pacienți? Cum ar fi să accesați puterea acestui instrument de fiecare dată, când aveți nevoie de o a doua opinie în câteva secunde, pentru a avea ajutor în luarea unei decizii ce poate salva vieți?
Aceasta este puterea adevărată a deep learning.
La întâlnirile anuale Intelligent Health AI din Basel, am aflat că există promotori ai băncilor standardizate cu date de la pacienți, bănci ce oferă acces privilegiat companiilor farmaceutice de renume și instituțiilor de cercetare. Desigur, există argumente pro și contra dacă pacienții pot decide cine le folosește datele medicale când vine vorba de cercetare și dezvoltare. Este cert că istoricul nostru medical este valoros și poate deschide ușa spre descoperiri importante.
Datele pacienților au reprezentat mereu o temă sensibilă care a fost tratată cu mare grijă. Azi, a avea acces la astfel de date reprezintă un proces de lungă durată, ce are nevoie de multe aprobări și conformitate cu regulile de securitate.
De obicei, volumul de date procesate de o unitate medicală este insuficient pentru a face cercetare fiabilă de tip deep learning, deoarece deep learning necesită un volum de date mult mai mare. Prin urmare, este nevoie de acces la surse multiple. Dată fiind varietatea specificațiilor echipamentelor medicale, seturile de date se caracterizează prin eterogenitate ce trebuie gestionate.
Spitalele și unitățile medicale nu sunt dealeri de unde se pot cumpăra date, ci factori ce determină schimbări de viziune în medicină. Fiind ei înșiși cercetători, doresc să ia parte la inovație, doresc echipament de ultimă oră, o bucată din "plăcinta ce nu se poate coace" fără date. Trebuie să fim pregătiți pentru negocieri serioase.
O altă particularitate a datelor medicale imagistice este că acestea au nevoie de adnotări. A avea scanările RMN sau CT nu va aduce plus valoare fără cunoștințe medicale: detectarea zonelor cu probleme, detectarea bolilor microvasculare, detectarea tipurilor de tumori. Asemenea unui copil, un algoritm deep learning are nevoie de exemple pentru a învăța și a lua decizii. Conform cu această analogie, e de dorit ca un copil să fie educat de profesori competenți , așa cum e de dorit ca scanările să fie interpretate de medici competenți. Astfel, primul pas este efectuat corect, chiar dacă e scump.
Datele medicale imagistice de tip RMN sau CT oferă o reprezentare vizuală a corpului uman, ceea ce devine resursa principală pentru doctorii ce doresc să identifice cauza de bază a disconfortului unui pacient. Cu cât văd mai multe scanări, cu atât sunt mai preciși la detectarea anomaliilor. Cu cât sunt mai diverși pacienții, cu atât este mai vast spectrul de boli pe care le pot recunoaște. Prin urmare, volumul joacă un rol esențial în diagnosticarea pacienților cu acuratețe.
IA acoperă prăpastia dintre distribuția eterogenă a informației și diagnosticul corect. Având date de la sute de mii de pacienți, adnotate de cei mai buni specialiști prin intermediul unei puteri computaționale mari, un algoritm bazat pe rețele neuronale poate învăța tipare pe baza cunoștințelor comune și a experienței comune a mai multor profesioniști în medicină, depășind oamenii la viteză și precizie.
Se poate întâmpla ca, din cauza atenției sporite la detalii, să nu fie suficientă o singură arhitectură standard a rețelei neuronale. În funcție de zona de interes a cercetătorilor, abordările pot varia de la segmentare prin intermediul U-nets sau V-nets, la cascade de trăsături, dar și la extracție de trăsături și clasificări din spectrul CNN - RNN. Nu se poate anticipa care algoritm va funcționa cel mai bine - trebuie să explorăm mai multe opțiuni.
de Ovidiu Mățan
