Przy braku personelu i sprzętu medycznego lekarzy coraz częściej wspomagają algorytmy sztucznej inteligencji. Czy to dobrze? Na pewno byłoby lepiej, gdyby były sprawdzone

Lekarzy i respiratorów do walki z COVID-19 brakuje w wielu szpitalach w Stanach Zjednoczonych i Wielkiej Brytanii. Placówki coraz chętniej adaptują technologie oparte na sztucznej inteligencji, bo pomaga to oszczędzić pracę, czas i zasoby. Ale niewiele wiadomo o tym, czy takie rozwiązania naprawdę działają. Bo też i nigdy wcześniej w tej chorobie ich nie sprawdzono.

Epickie zmagania

W Stanach Zjednoczonych kilkadziesiąt szpitali używa oprogramowania firmy Epic zajmującej się przetwarzaniem danych medycznych. Algorytmy sztucznej inteligencji starają się przewidzieć, który pacjent może z czasem wymagać intensywnej opieki. Na bazie podstawowych parametrów, takich jak temperatura, tętno czy oddech, oraz wyników badań laboratoryjnych i oceny stanu pacjenta przez personel pielęgniarski system podaje liczbę od zera do stu. Wysoki wynik to wysokie ryzyko pogorszenia się stanu zdrowia.

To oparte na uczeniu maszynowym narzędzie wspomagało dotychczas lekarzy w decyzjach dotyczących pacjentów cierpiących na inne schorzenia. Teraz służy do przewidywania stanu zdrowia pacjentów z koronawirusem – opisuje StatNews. Oczywiście dobrze jest wiedzieć, że stan zdrowia danego pacjenta może ulec pogorszeniu, komentują lekarze.

Ale przy tej chorobie nie ma nic pewnego. Stan pacjenta potrafi zmieniać się co kwadrans – wynika z badań prowadzonych przez naukowców z University of Michigan. Liczba podawana przez sztuczną inteligencję firmy Epic zmienia się nagle z 70 na 30 lub odwrotnie. Niewiele to pomaga, mówi Karandeep Sigh, który prócz tego, że jest informatykiem medycznym, sam jest lekarzem. „Nie zastąpi to oceny klinicznej. Ale to najlepsza rzecz, która pomaga podejmować decyzje, jaką mamy” – zastrzega.

Producent oprogramowania twierdzi, że jest skuteczne. Lekarze przyznają, że jest jeszcze za mało danych, by stwierdzić, czy się sprawdza. Kilka badań naukowych przydatności tego oprogramowania do oceny pacjentów z COVID-19 dopiero trwa. Jednym słowem – szpitale używają algorytmów niebadanych pod kątem przydatności w tym konkretnym przypadku. Firma Epic zbiera zaś cenne dane i trenuje swoje sieci neuronowe.

W Europie nad podobnymi algorytmami pracują Duńczycy. Sztuczna inteligencja ma przewidywać, ilu pacjentów będzie potrzebowało respiratora w ciągu najbliższej doby. Będzie korzystać z danych o liczbie białych krwinek, stosowanych lekach, wieku oraz innych chorobach (tzw. współistniejących). Ma też analizować zdjęcia rentgenowskie płuc oraz wszelkie wyniki badań, jakie zleca się po przyjęciu do szpitala. Ten projekt jednak zakłada wyszkolenie SI na danych pacjentów z koronawirusem, a prowadzony jest we współpracy ze szpitalami przez kopenhaski uniwersytet.

Sztuczny radiolog

W Wielkiej Brytanii maszynowe algorytmy już wspomagają radiologów oceniających obraz płuc, opisuje „MIT Tech Review”. W Royal Bolton Hospital odpowiednie oprogramowanie wykorzystywane jest do triażu, czyli decyzji, którzy pacjenci wymagają pomocy najszybciej, a którzy mogą poczekać.

W ubiegłym roku podjęto tam decyzję o testach opartego na uczeniu maszynowym algorytmu firmy Qure.ai przy ocenie pacjentów z zapaleniem płuc. Zanim uzyskano odpowiednie zgody (co trwało pół roku), wybuchła pandemia koronawirusa. Algorytmy oceniają więc zdjęcia rentgenowskie pacjentów podejrzanych o zakażenie wirusem SARS-CoV-2.

Z naukowych doniesień wiadomo, że zmiany w płucach chorych na COVID-19 są bardzo charakterystyczne, więc systemy SI powinny rozpoznawać je bez problemu. Qure.ai twierdzi, że jej algorytm może wykryć zmiany spowodowane przez nowego koronawirusa w 95 procentach przypadków – co przetestowała na 11 tysiącach pacjentów. Podobne rozwiązanie, ale firmy Lunit, będzie wykorzystywała służba zdrowia we Francji.

Mimo mniejszej (choć niewiele) skuteczności badania obrazowe mają przewagę nad genetycznymi testami na wirusa – wynik jest dostępny w kilka minut. Na testy zaś trzeba czekać kilkanaście godzin (czego nie da się uniknąć ze względu na specyfikę metody PCR, polymerase chain reaction), a gdy laboratorium jest zajęte – nawet kilka dni.

Skok na głęboką wodę

Epidemia znacznie przyspieszyła wprowadzanie sztucznej inteligencji do medycyny. Ale trzeba pamiętać, że rozwiązania SI do walki z koronawirusem wprowadza się w nagłej potrzebie, często bez uprzednich testów i zgód odpowiednich instytucji nadzorujących. Ma to swoje uzasadnienie etyczne – pozwala odciążyć lekarzy, przygotować zawczasu łóżka i sprzęt. Jednak w mniej burzliwych latach takie algorytmy gruntownie się testuje na konkretnych przypadkach i zajmuje to od kilku tygodni do ponad roku. Oczywiście w obliczu pandemii nie ma na to czasu.

Z przeglądu technologii SI pod kątem przydatności w diagnostyce koronawirusowych zakażeń opublikowanego w „British Medical Journal” wynika, że nowe systemy sztucznej inteligencji cierpią na błędy i brak dokładności. Nic dziwnego – algorytmy uczenia maszynowego są tak dobre jak dane, na których zostały wytrenowane. Większość z nich zwykle trenowana jest na setkach tysięcy, a nawet milionach przykładów. Danych o pacjentach z koronawirusem aż tyle nie ma.

Jak z kolei wynika z przeglądu badań naukowych opublikowanego w ubiegłym roku w „Lancet Digital Health”, sztuczna inteligencja dorównuje już lekarzom radiologom. Sęk w tym, że większość naukowych badań takich algorytmów jest miernej jakości. Zaledwie co setna z rozważanych wtedy prac zawierała dane nadające się do analizy.

Naiwnością byłoby sądzić, że po pokonaniu pandemii szpitale odinstalują wszystkie systemy oparte na sztucznej inteligencji. Zostaną już z nami na stałe. Tym bardziej warto się przyglądać, czy są wystarczająco dobre – w obu znaczeniach tego słowa – czyli i skuteczne, i etyczne.

Skip to content