FDėl didėjančių JAV sveikatos priežiūros išlaidų iki pasikartojančios NHS krizės, tai dažnai gali atrodyti veiksminga ir įperkama sveikatos priežiūra yra neįmanoma. Tai tik pablogės, nes lėtinės ligos plinta ir atrandame naujų būdų, kaip gydyti anksčiau mirtinas ligas. Šie nauji gydymo būdai paprastai yra brangūs, o naujus metodus gali būti sunku įdiegti sveikatos priežiūros sistemose, kurios yra atsparios pokyčiams arba yra pavargusios nuo per didelio jų kiekio. Tuo tarpu didėjanti socialinės priežiūros paklausa didina finansavimo spaudimą ir dar labiau apsunkina išteklių paskirstymą.
Dirbtinis intelektas (AI) dažnai gudriai pateikiamas kaip atsakymas paslaugoms, kurios ir taip yra priverstos padaryti daugiau su mažiau. Tačiau mintis, kad protingi kompiuteriai gali tiesiog pakeisti žmones medicinoje, yra fantazija. DI paprastai neveikia gerai realiame pasaulyje. Sudėtingumas yra kliūtis. Iki šiol dirbtinio intelekto technologijos neturėjo jokios įtakos netvarkingam, iš prigimties žmogiškam medicinos pasauliui. O kas, jei dirbtinio intelekto įrankiai būtų sukurti specialiai realaus pasaulio medicinai – su visu jos organizaciniu, moksliniu ir ekonominiu sudėtingumu?
Šis į tikrovę orientuotas požiūris į AI yra mano vadovaujamos Kembridžo universiteto laboratorijos dėmesys. Glaudžiai bendradarbiaudami su gydytojais ir ligoninėmis, kuriame dirbtinio intelekto įrankius tyrėjams, gydytojams, slaugytojams ir pacientams. Žmonės dažnai mano, kad pagrindinės AI galimybės sveikatos priežiūros srityje yra vaizdų, pvz., MRT skenavimo, analizė arba naujų vaistų junginių paieška. Tačiau yra daug galimybių. Vienas iš dalykų, kuriuos atliekame laboratorijoje, yra individualizuota arba tiksli medicina. Užuot visiems tinkančius, mes stengiamės išsiaiškinti, kaip gydymas gali būti pritaikytas, kad atspindėtų unikalų asmens medicininį ir gyvenimo būdą.
Naudojant dirbtinio intelekto pagrindu sukurtą personalizuotą mediciną, būtų galima veiksmingiau gydyti įprastas ligas, tokias kaip širdies ligos ir vėžys, arba retas ligas, tokias kaip cistinė fibrozė. Tai leistų gydytojams optimizuoti vaistų vartojimo laiką ir dozavimą atskiriems pacientams arba tikrinti pacientus pagal jų individualius sveikatos profilius, o ne pagal dabartinius bendruosius amžiaus ir lyties kriterijus. Šis individualizuotas požiūris galėtų padėti anksčiau diagnozuoti, užkirsti kelią ir geriau gydyti, išgelbėti gyvybes ir geriau panaudoti išteklius.
Daugelis tų pačių metodų gali būti taikomi klinikiniuose tyrimuose. Išbandymai kartais šlubuoja, nes vidutinis atsakas į vaistą nepasiekia tyrimo tikslų. Tačiau jei kai kurie tyrime dalyvavę žmonės gerai reagavo į gydymą, AI galėtų padėti surasti tas grupes esamuose tyrimo duomenyse. Sukūrę atskirų pacientų arba „skaitmeninių dvynių“ duomenų modelius, mokslininkai galėtų atlikti preliminarius tyrimus prieš pradedant brangų tyrimą, kuriame dalyvautų tikri žmonės. Tai sumažintų laiką ir investicijas, kurių reikia vaistui sukurti, todėl gyvybę gerinančios intervencijos taptų komerciškai perspektyvios ir gydymas būtų skirtas tiems, kuriems jie padės labiausiai.
Sudėtingoje organizacijoje, pavyzdžiui, NHS, AI galėtų padėti efektyviai paskirstyti išteklius. Mūsų laboratorija Covid metu sukūrė įrankį, padedantį gydytojams numatyti ventiliatorių ir ICU lovų naudojimą. Tai galėtų būti taikoma sveikatos priežiūros paslaugoms, kad būtų paskirstytas sveikatos priežiūros personalas ir įranga. Dirbtinio intelekto technologijos taip pat galėtų padėti gydytojams, slaugytojams ir kitiems sveikatos priežiūros specialistams tobulinti savo žinias ir sujungti savo žinias. Tai taip pat gali padėti išspręsti tokias problemas kaip paciento privatumas. Naujausios AI technologijos sukuria vadinamuosius „sintetinius duomenis“, atspindinčius duomenų modelius, leidžiančius gydytojams iš jų gauti įžvalgų ir pakeičiant visą identifikuojamą informaciją.
Gydytojai ir dirbtinio intelekto specialistai jau svarsto didelių kalbų modelių, tokių kaip ChatGPT, sveikatos priežiūros galimybes. Šios priemonės galėtų padėti tvarkyti dokumentus, rekomenduoti narkotikų tyrimo protokolus arba pasiūlyti diagnozes. Tačiau, nors jie turi didžiulį potencialą, rizika ir iššūkiai yra akivaizdūs. Negalime pasikliauti sistema, kuri reguliariai kuria informaciją arba kuri yra apmokyta remiantis šališkais duomenimis. „ChatGPT“ nesugeba suprasti sudėtingų sąlygų ir niuansų, dėl kurių gali atsirasti klaidingų interpretacijų ar netinkamų rekomendacijų. Tai gali turėti pražūtingų padarinių, jei jis būtų naudojamas tokiose srityse kaip psichinė sveikata.
Jei dirbtinis intelektas naudojamas kam nors diagnozuoti ir padaro jį neteisingai, turi būti aišku, kas yra atsakingas: AI kūrėjai ar jį naudojantys sveikatos priežiūros specialistai? Etikos gairės ir reglamentai dar turi pasivyti šias technologijas. Turime išspręsti saugumo problemas, susijusias su didelių kalbų modelių naudojimu su tikrais pacientais, ir užtikrinti, kad dirbtinis intelektas būtų kuriamas ir naudojamas atsakingai. Siekdama tai užtikrinti, mūsų laboratorija glaudžiai bendradarbiauja su gydytojais, siekdama užtikrinti, kad modeliai būtų mokomi remiantis patikimai tiksliais ir nešališkais duomenimis. Kuriame naujus būdus, kaip patvirtinti dirbtinio intelekto sistemas, siekdami užtikrinti, kad jos būtų saugios, patikimos ir veiksmingos, ir metodus, užtikrinančius, kad dirbtinio intelekto prognozės ir rekomendacijos gali būti paaiškintos gydytojams ir pacientams.
Neturime pamiršti šios technologijos transformacinio potencialo. Turime užtikrinti, kad sukurtume ir sukurtume dirbtinį intelektą, kad padėtume sveikatos priežiūros specialistams geriau atlikti savo veiklą. Tai yra dalis to, ką aš vadinu žmogaus AI įgalinimo darbotvarke – dirbtinio intelekto naudojimas žmonėms įgalinti, o ne juos pakeisti. Tikslas turėtų būti ne sukurti savarankiškus agentus, galinčius imituoti ir pakeisti žmones, bet sukurti mašininį mokymąsi, leidžiantį žmonėms pagerinti savo pažintinius ir introspekcinius gebėjimus ir tapti geresniais besimokančiaisiais ir sprendimų priėmėjais.
- Mihaela van der Schaar yra John Humphrey Plummer mašininio mokymosi, dirbtinio intelekto ir medicinos profesorius bei Kembridžo universiteto AI medicinos centro direktorius.
