Προοπτικές, κίνδυνοι και ερωτήματα για το μέλλον από την εφαρμογή της τεχνητής νοημοσύνης στην ιατρική

Οι γιατροί και νοσηλευτές του Κέντρου Εικονικής Περίθαλψης του νοσοκομείου Mercy στο Σεντ Λούις φροντίζουν αποκλειστικά εξ αποστάσεως τους ασθενείς τους. Η επικοινωνία γίνεται μέσα από οθόνες όπου καταγράφονται όλα τα δεδομένα για την κατάσταση της υγείας τους, ενώ οι αλγόριθμοι επιτήρησης τεχνητής νοημοσύνης θα καταγράψουν οποιοδήποτε ανησυχητικό σημάδι και θα ειδοποιήσουν τους γιατρούς.

Το Kέντρο Εικονικής Περίθαλψης του νοσοκομείου Mercy στο Σεντ Λούις έχει τριακόσιους γιατρούς και νοσηλευτές, που φροντίζουν ετησίως εξακόσιες χιλιάδες ασθενείς από επτά αμερικανικές πολιτείες. Δεν διαθέτει όμως κλίνες. Οι ασθενείς βρίσκονται στην… κρεβατοκάμαρα ή στο σαλόνι του σπιτιού τους και η παρακολούθησή τους, όπως και η επικοινωνία με το ιατρονοσηλευτικό προσωπικό, γίνεται αποκλειστικά εξ αποστάσεως μέσα από οθόνες όπου καταγράφονται όλα τα δεδομένα για την κατάσταση της υγείας τους. Ακόμη και αν κάποιος από αυτούς δεν παρουσιάζει συμπτώματα, οι αλγόριθμοι επιτήρησης τεχνητής νοημοσύνης που χρησιμοποιούνται στο Κέντρο θα καταγράψουν οποιοδήποτε «υπόγειο» ανησυχητικό σημάδι και θα ειδοποιήσουν τους γιατρούς. Πρόκειται για το πρώτο εικονικό νοσοκομείο των ΗΠΑ, που άρχισε να λειτουργεί το 2015, κόστισε 300 εκατ. δολάρια και μας δίνει μια εικόνα από το μέλλον, όπου η ιατρική θα καθορίζεται από την τεχνητή νοημοσύνη. Ή μήπως αυτό συμβαίνει ήδη;

Την απάντηση δίνει ο Αμερικανός γιατρός και συγγραφέας Ερικ Τόπολ στο βιβλίο του «Βαθιά Ιατρική – Ιατρική και τεχνητή νοημοσύνη», που θα κυκλοφορήσει στα ελληνικά σε λίγες εβδομάδες από τις Πανεπιστημιακές Εκδόσεις Κρήτης. H τεχνητή νοημοσύνη, σύμφωνα με τα στοιχεία που παρατίθενται στις σελίδες του, έχει ήδη αποδεδειγμένη ικανότητα να διαγιγνώσκει ορισμένους τύπου καρκίνου του δέρματος εξίσου καλά, ή και καλύτερα, από τους ειδικευμένους δερματολόγους, να εντοπίζει ειδικές ανωμαλίες του καρδιακού ρυθμού όπως οι καρδιολόγοι, να διαβάζει ιατρικές τομογραφίες ή παθολογοανατομικά πλακίδια το ίδιο επαρκώς με έμπειρους, υψηλής εξειδίκευσης ακτινολόγους και παθολογοανατόμους, αντίστοιχα, να διαγιγνώσκει ποικίλες οφθαλμικές παθήσεις όπως οι οφθαλμίατροι. Ακόμα και να προβλέπει την αυτοκτονία, μερικές φορές καλύτερα από τους επαγγελματίες της ψυχικής υγείας.

Σταθερές, ακούραστες

Οι ικανότητες αυτές αναπτύσσονται κατά κύριο λόγο με τη βοήθεια της αναγνώρισης προτύπων, με μηχανές που μαθαίνουν αυτά τα πρότυπα έπειτα από εκπαίδευση με εκατοντάδες χιλιάδες και, αρκετά σύντομα, με εκατομμύρια παραδείγματα. Τέτοιου είδους συστήματα γίνονται ολοένα και καλύτερα, με τα ποσοστά σφάλματος να πέφτουν έως και κάτω από το 5%, ξεπερνώντας τάχιστα τα ανθρώπινα όρια και δίνοντας νέες λύσεις σε προβλήματα όπως η εσφαλμένη διάγνωση και οι ανεξέλεγκτες δαπάνες. «Σε αντίθεση μάλιστα με τους ανθρώπους που κουράζονται, έχουν δύσκολες μέρες, μπορεί να γίνουν συναισθηματικοί, να τους λείπει ύπνος ή να αφαιρούνται, οι μηχανές είναι σταθερές, έχουν τη δυνατότητα να εργάζονται ολόκληρο το εικοσιτετράωρο, ολόκληρη την εβδομάδα, χωρίς διακοπές και χωρίς παράπονα. Κι αυτό εγείρει ερωτήματα σχετικά με τον μελλοντικό ρόλο των γιατρών και τον απρόβλεπτο αντίκτυπο της τεχνητής νοημοσύνης στην άσκηση της ιατρικής», όπως επισημαίνει ο Τόπολ.

Τι υπόσχεται επί της ουσίας η τεχνητή νοημοσύνη στην ιατρική; Να παράσχει σύνθετες, πανοραμικές όψεις των ατομικών ιατρικών δεδομένων, να βελτιώσει τη λήψη αποφάσεων, να συμβάλει στην αποφυγή σφαλμάτων όπως οι εσφαλμένες διαγνώσεις (που ξεπερνούν τα 12 εκατ. ετησίως στις ΗΠΑ), οι περιττές επεμβάσεις και εξετάσεις (το 30-50% των 80 εκατ. αξονικών τομογραφιών που διενεργούνται επίσης στις ΗΠΑ κάθε χρόνο είναι αχρείαστες), να βοηθήσει στη σωστή ερμηνεία εξετάσεων και να προτείνει κατάλληλες, πιο αποτελεσματικές ίσως θεραπείες. Αυτό είναι το καλό σενάριο. Ποιο είναι το κακό; Υπάρχουν ρίσκα πίσω από αυτή την αισιόδοξη φαινομενικά προοπτική; Θέτω το ερώτημα στον Αναστάσιο Γερμενή, ομότιμο καθηγητή Ανοσολογίας του Τμήματος Ιατρικής του Πανεπιστημίου Θεσσαλίας και αντεπιστέλλον μέλος της Ακαδημίας Αθηνών, ο οποίος έχει την επιμέλεια της έκδοσης. «Οι κίνδυνοι είναι κλινικοί, κοινωνικοί και ηθικοί. Κατ’ αρχάς, τα δεδομένα με τα οποία τροφοδοτούνται τα εργαλεία τεχνητής νοημοσύνης ενδέχεται να μην είναι αντιπροσωπευτικά των προβλημάτων που καλούνται να επιλύσουν, με αποτέλεσμα να προτείνουν εσφαλμένη διάγνωση και ακατάλληλη θεραπεία. Η εξάπλωση εύκολα προσβάσιμων διαδικτυακών λύσεων τεχνητής νοημοσύνης, χωρίς επαρκείς εξηγήσεις και πληροφορίες, μπορεί να έχει τα ίδια αποτελέσματα», απαντά. «Υπάρχουν επίσης πιθανοί κίνδυνοι από την έλλειψη ιδιωτικότητας, εμπιστευτικότητας και προστασίας των δεδομένων των ασθενών και των πολιτών, γενικότερα. Τέλος, η πολλαπλότητα των φορέων που εμπλέκονται στη διαδικασία της ιατρικής τεχνητής νοημοσύνης, από τον σχεδιασμό έως την εφαρμογή της (επαγγελματίες υγείας, προγραμματιστές κ.ο.κ.), κάνει ασαφές το ποιος έχει την ευθύνη, τελικά, για τυχόν σφάλματα. Το νομικό κενό που υπάρχει διεθνώς όσον αφορά αυτή την επονομαζόμενη “αλγοριθμική υπευθυνότητα” αφήνει έκθετους τους κλινικούς ιατρούς και τους επαγγελματίες υγείας που κάνουν χρήση των συστημάτων τεχνητής νοημοσύνης. Και κάτι ακόμα: οι ανισότητες στην πρόσβαση σε ποιοτικό εξοπλισμό και ψηφιακές τεχνολογίες οδηγούν στη διαιώνιση υφισταμένων ανισοτήτων στην παροχή υπηρεσιών υγείας…».

Οι ιατρικές σπουδές

Ολα αυτά σημαίνουν ότι η τεχνητή νοημοσύνη θα αλλάξει και τη γνώση που παρέχεται στους φοιτητές της Ιατρικής στα πανεπιστήμιά μας; Και με ποιον τρόπο; «Είναι απολύτως βέβαιο ότι αποτελεί καθοριστικό παράγοντα επαναπροσδιορισμού του τρόπου άσκησης της Ιατρικής. Ενα τεράστιο μέρος των καθημερινών δραστηριοτήτων των γιατρών, πολύ σύντομα θα εξυπηρετείται από εφαρμογές τεχνητής νοημοσύνης. Ιατρικές ειδικότητες θα αλλάξουν φυσιογνωμία ή και βαθμηδόν θα εξαφανιστούν», εξηγεί ο κ. Γερμενής. «Ολα αυτά συνεπάγονται την ανάγκη σημαντικής αναδόμησης των ιατρικών σπουδών με κεντρικό άξονα τη μετάθεση από τον στόχο του γνωσιακού περιεχομένου (τι πρέπει να μάθω;) προς τον στόχο της γνωσιακής μεθόδου (πώς μπορώ να μαθαίνω;)».

Η ταχύτητα σώζει ζωές

Πριν από λίγα χρόνια, ένα υγιές νεογέννητο αγοράκι πήρε εξιτήριο, μαζί με τη μητέρα του, τρεις μέρες μετά τον τοκετό. Ωστόσο, μία εβδομάδα μετά, η μητέρα του το έφερε στα επείγοντα του νοσοκομείου Rady του Σικάγου, γιατί παρουσίαζε επαναλαμβανόμενες επιληπτικές κρίσεις. Δεν υπήρχε ένδειξη λοίμωξης. Η αξονική τομογραφία εγκεφάλου ήταν φυσιολογική. Χορηγήθηκαν διάφορα ισχυρά φάρμακα που δεν κατάφεραν να μειώσουν τις κρίσεις. Αντιθέτως, αυτές γίνονταν ολοένα και πιο έντονες. Η πρόγνωση ήταν ζοφερή: εγκεφαλική βλάβη και θάνατος. Στάλθηκε δείγμα αίματος στο Ινστιτούτο Γονιδιωματικής του νοσοκομείου για ταχεία αλληλούχηση ολόκληρου του γονιδιώματος. Η αλληλούχηση περιελάμβανε 125 γιγαμπάιτ δεδομένων, συμπεριλαμβανομένων σχεδόν 5 εκατομμυρίων θέσεων, όπου το γονιδίωμα του μωρού διέφερε από το πιο σύνηθες. Χρειάστηκαν 20 δευτερόλεπτα προκειμένου μια μορφή τεχνητής νοημοσύνης να επεξεργαστεί τον ηλεκτρονικό ιατρικό φάκελο του αγοριού και να προσδιορίσει 88 φαινοτυπικά χαρακτηριστικά (σχεδόν εικοσαπλάσια από εκείνα που είχαν συμπεριλάβει οι γιατροί στη λίστα τους). Αλγόριθμοι μηχανικής μάθησης κοσκίνισαν ταχύτατα τις περίπου 5 εκατομμύρια γενετικές παραλλαγές και βρήκαν τις κατά προσέγγιση 700.000 σπάνιες παραλλαγές. Οι 962 εξ αυτών είναι γνωστό ότι προκαλούν παθήσεις. Συνδυάζοντας αυτές τις πληροφορίες με τα φαινοτυπικά δεδομένα του μωρού, το σύστημα εντόπισε έναν φαινότυπο, σε ένα γονίδιο που ονομάζεται ALDH7A1, ως τον πιθανότερα υπεύθυνο. Η παραλλαγή αυτή είναι πολύ σπάνια. Απαντάται σε λιγότερο από 0,01% του πληθυσμού και προκαλεί μεταβολική δυσλειτουργία που οδηγεί σε επιληπτικές κρίσεις. Ευτυχώς, οι επιπτώσεις της μπορούν να αναστραφούν με συμπληρώματα βιταμίνης B6 και αργινίνης, ενός αμινοξέος, παράλληλα με περιορισμό της λυσίνης, ενός δεύτερου αμινοξέος. Με αυτές τις αλλαγές στη διατροφή του, οι επιληπτικές κρίσεις σταμάτησαν απότομα και μόλις τριάντα έξι ώρες αργότερα το βρέφος επέστρεψε στο σπίτι του.

«Την τελική απόφαση πρέπει πάντα να την παίρνει ο άνθρωπος»

Συνομιλώντας, λίγα χρόνια πριν, με τον Γιώργο Παππά, καθηγητή Ηλεκτρολόγων Μηχανικών και Συστημάτων στο Πανεπιστήμιο της Πενσιλβάνια, κορυφαίο επιστήμονα διεθνώς στην τεχνολογία των ρομπότ, τον είχα ρωτήσει αν θα έβαζε τις κόρες του σε ένα αυτοκινούμενο όχημα. «Εγώ θα έμπαινα, οι κόρες μου όχι», μου είχε απαντήσει γελώντας. «Και θα σας εξηγήσω γιατί. Παρά την εντυπωσιακή πρόοδο που έχει σημειωθεί, παραμένει δύσκολο για ένα ρομπότ να σκεφτεί όλους τους πιθανούς συνδυασμούς προβλημάτων τα οποία ενδέχεται να προκύψουν στον δρόμο μιας πόλης». Ολοκληρώνοντας, λοιπόν, την ανάγνωση του βιβλίου «Βαθιά Ιατρική – Ιατρική και τεχνητή νοημοσύνη», θυμήθηκα αμέσως την κουβέντα μας. Και τον αναζήτησα για ένα πρώτο σχόλιο πάνω σε όσα θαυμαστά συμβαίνουν τα τελευταία χρόνια στον χώρο της ιατρικής.

«Οι τεχνολογίες τεχνητής νοημοσύνης, όπως το GPT ή παράγωγά του, θα εφαρμοστούν άμεσα για να ελαχιστοποιήσουν τη γραφειοκρατία της ιατρικής, επιτρέποντας στους γιατρούς να αφιερώνουν περισσότερο χρόνο στη σχέση τους με τους ασθενείς. Αυτό θα αυξήσει την αποτελεσματικότητα των συστημάτων υγείας», είπε ο κ. Παππάς.

«Στην επόμενη δεκαετία καλούμαστε να λύσουμε διάφορα άλλα δύσκολα τεχνικά προβλήματα», λέει ο κ. Παππάς, κορυφαίος επιστήμονας στην τεχνολογία των ρομπότ.

«Δυστυχώς, οι τεχνολογίες τεχνητής νοημοσύνης δεν είναι αλάθητες. Αυτό μπορεί να μην επηρεάσει την αξιοποίησή τους στη μείωση της γραφειοκρατίας αλλά σίγουρα θα επηρεάσει την κλινική εφαρμογή τους από τους γιατρούς. Ποιος θα εμπιστευόταν, για παράδειγμα, μια σπάνια διάγνωση της τεχνητής νοημοσύνης για ένα παιδί με ειδικές ανάγκες όταν ένας αλγόριθμος κάνει, κατά μέσο όρο, 5 λάθη στις 100 διαγνώσεις; Μπορεί ένας αλγόριθμος τεχνητής νοημοσύνης να εξηγήσει μια διάγνωση σε ένα γιατρό; Στην περίπτωση του GPT, ξέρουμε ότι παρουσιάζει αυτό που αποκαλούμε “παραισθήσεις”: ένα μέρος του κειμένου, δηλαδή, είναι αληθοφανές αλλά όχι αληθές. Τι θα γινόταν αν κάποιος ζητούσε από το GPT να του συστήσει φάρμακο για το πρόβλημα υγείας που αντιμετωπίζει και το GPT σε μία από τις “παραισθήσεις” πρότεινε κάτι που θα τον οδηγούσε στον θάνατο; Αυτά και διάφορα άλλα δύσκολα τεχνικά προβλήματα καλούμαστε να λύσουμε στην επόμενη δεκαετία, ώστε να χτίσουμε μια σχέση εμπιστοσύνης μεταξύ γιατρού και τεχνητής νοημοσύνης ανάλογη εκείνης μεταξύ γιατρού και ασθενούς. Και, φυσικά, έχοντας στο μυαλό μας ότι την τελική απόφαση πρέπει πάντα να την παίρνει ο γιατρός».

Σε αυτό φαίνεται να συμφωνούν οι περισσότεροι ειδικοί: η τεχνητή νοημοσύνη, με την εξαιρετική ικανότητά της να διαχειρίζεται τεράστια σύνολα δεδομένων, θα προσδώσει εντυπωσιακή ακρίβεια στην ιατρική διάγνωση και στην πρόγνωση, αλλά δεν θα αντικαταστήσει τον άνθρωπο. Αντιθέτως, θα προσφέρει στους γιατρούς, όπως τονίζει ο Ερικ Τόπολ, «το δώρο του χρόνου». Σύμφωνα με μελέτες, περισσότεροι από τους μισούς γιατρούς διεθνώς βιώνουν επαγγελματική εξουθένωση, ενώ 1 στους 4 νέους γιατρούς πάσχει από σοβαρή κατάθλιψη. Τα λάθη είναι αναπόφευκτα υπό αυτές τις συνθήκες. Η ευκαιρία που προσφέρει η τεχνητή νοημοσύνη δεν είναι μόνο ο περιορισμός των σφαλμάτων αλλά η δυνατότητα να αποκατασταθεί η πολύτιμη σχέση και εμπιστοσύνη μεταξύ ασθενών και γιατρών. Η ανθρώπινη επαφή. Αυτή που καμιά μηχανή δεν μπορεί να υποκαταστήσει.

Οι αριθμοί

12 εκατ. λανθασμένες διαγνώσεις καταγράφονται ετησίως στις ΗΠΑ.
 
30%-50% των αξονικών τομογραφιών που διενεργούνται κάθε χρόνο στις ΗΠΑ είναι αχρείαστες.
 
5% των διαγνώσεων από αλγόριθμο τεχνητής νοημοσύνης είναι λανθασμένες.
 
25% των νέων γιατρών πάσχουν από σοβαρή κατάθλιψη. Η τεχνητή νοημοσύνη προσφέρει την ευκαιρία να αποκατασταθεί η ανθρώπινη επαφή.

Πηγή: https://www.kathimerini.gr/society/562551433/kosmogonia-stin-iatriki-o-eikonikos-giatros-tha-sas-dechthei-se-ligo/

Περισσότερα Άρθρα

Σχετικά Άρθρα

Νέες Δημοσιεύσεις

Σχετίζεται η λιποπρωτεΐνη (α) με τον καρδιαγγειακό κίνδυνο ανεξάρτητα από την παρουσία αθηροσκληρωτικής καρδιαγγειακής νόσου?

Σχετίζεται η λιποπρωτεΐνη (α) με τον καρδιαγγειακό κίνδυνο ανεξάρτητα από την παρουσία αθηροσκληρωτικής καρδιαγγειακής νόσου?Η λιποπρωτεΐνη (α) αποτελεί έναν αιτιολογικό παράγοντα εμφάνισης καρδιαγγειακής...

Μαγνητική τομογραφία σε πέντε λεπτά από ελληνική startup

Το λογισμικό της Corsmed συνθέτει εικόνες μαγνητικής τομογραφίας, χωρίς να έχει τον ασθενή μέσα στον μαγνητικό τομογράφο άν σήμερα μπείτε σε έναν μαγνητικό τομογράφο για να απεικονίσετε...

Πνευμονική εμβολή: Όλα όσα πρέπει να γνωρίζετε

Η πνευμονική εμβολή παραμένει ένας ισχυρός παράγοντας νοσηρότητας και θνητότητας των ασθενών ιδιαίτερα στα νοσοκομεία. Πνευμονική εμβολή είναι η απόφραξη ενός ή περισσοτέρων κλάδων της...

Ετικέτες