Inteligența Artificială și Medicina. Episodul 1

in Articol, Istorie mai, 21 2024

Timp aprox. de lectură: 7 minute

În timpul pandemiei COVID-19, Florence, un chatbot conceput pentru a disemina mesaje de sănătate publică privind virusul, vaccinurile, consumul de tutun, alimentația sănătoasă și activitatea fizică, a fost dezvoltat de Organizația Mondială a Sănătății (OMS), Google și Amazon Web Services pentru a combate dezinformarea și dezinformarea. De atunci, baza sa de cunoștințe s-a extins pentru a include fumatul, sănătatea mintală și alimentația sănătoasă.

Anul acesta, la începutul lunii aprilie, înaintea Zilei Mondiale a Sănătății, care a fost axată pe tema ”Sănătatea mea, dreptul meu”, Organizația Mondială a Sănătății (OMS) anunță lansarea S.A.R.A.H., un prototip digital de promotor al sănătății cu un răspuns empatic îmbunătățit, alimentat de inteligența artificială (AI) generativă. S.A.R.A.H.  este un asistent inteligent de resurse de inteligență artificială (AI), care reprezintă o evoluție a avatarurilor de informații despre sănătate alimentate de inteligența artificială, folosind noi modele de limbaj și tehnologii de ultimă generație. Acesta poate implica utilizatorii 24 de ore pe zi, în 8 limbi, pe mai multe subiecte de sănătate, pe orice dispozitiv. Promotorul digital de sănătate al OMS este instruit să ofere informații pe principalele subiecte de sănătate, inclusiv obiceiuri sănătoase și sănătate mintală, pentru a ajuta oamenii să își optimizeze parcursul de sănătate și bunăstare. Acesta își propune să ofere un instrument suplimentar pentru ca oamenii să își realizeze dreptul la sănătate, oriunde s-ar afla.

„Viitorul sănătății este digital, iar sprijinirea țărilor pentru a valorifica puterea tehnologiilor digitale pentru sănătate este o prioritate pentru OMS”, a declarat directorul general al OMS, Dr. Tedros Adhanom Ghebreyesus. „S.A.R.A.H. ne oferă o imagine a modului în care inteligența artificială ar putea fi utilizată în viitor pentru a îmbunătăți accesul la informațiile despre sănătate într-un mod mai interactiv.”

Așadar, vedem deja multe semne ale viitorului digital al asistenței medicale: chirurgii roboți se ocupă de o gamă tot mai largă de operații. Modul în care pacienții accesează informațiile despre sănătate și se motivează să urmeze regimurile de tratament pare pregătit pentru a fi reimaginat, pe măsură ce roboții de chat și monitoarele de sănătate portabile învață să lucreze împreună. Productivitatea sistemelor de asistență medicală pare să se îmbunătățească semnificativ. Dacă astfel de instrumente se vor răspândi și dacă sistemele de asistență medicală vor fi remodelate pentru a le valorifica la maximum, acestea ar trebui să permită furnizarea de servicii medicale mult mai bune. Acest lucru reprezintă o oportunitate de a îmbunătăți viețile a sute de milioane, chiar miliarde de oameni.

Dacă ne uităm care a fost istoria acestora, aplicațiile de inteligență artificială au început să intre în domeniul sănătății la începutul anilor 1970. În 1973 a fost creat Stanford University Medical Experimental-Artificial Intelligence in Medicine (AIM), un sistem de calculatoare cu partajare în timp, care a îmbunătățit capacitățile de conectare în rețea a cercetătorilor clinici și biomedicali din mai multe instituții. În mare parte, ca urmare a acestor colaborări, primul atelier AIM sponsorizat de National Institutes of Health a avut loc la Universitatea Rutgers în 1975. Aceste evenimente reprezintă colaborările inițiale dintre pionierii AIM. Unul dintre primele prototipuri care au demonstrat fezabilitatea aplicării IA în medicină a fost dezvoltarea unui program de consultare pentru glaucom folosind modelul CASNET. Acest model este o rețea cauzal-asociativă care constă din 3 programe separate: construirea modelului, consultarea și o bază de date care a fost construită și întreținută de către colaboratori. Acest model ar putea aplica informații despre o anumită boală la pacienți individuali și le-ar putea oferi medicilor sfaturi privind gestionarea pacienților. Acesta a fost dezvoltat la Universitatea Rutgers și a fost demonstrat oficial la reuniunea Academiei de Oftalmologie din Las Vegas, Nevada, în 1976.

Un moment cheie în istoria utilizării inteligenței artificiale în domeniul sănătății a fost dezvoltarea, la începutul anilor 1970, a unui sistem de inteligență artificială cu „înlănțuire inversă”, MYCIN. Pe baza informațiilor despre pacienți introduse de medici și a unei baze de cunoștințe de aproximativ 600 de reguli, MYCIN putea furniza o listă de potențiali agenți patogeni bacterieni și apoi recomanda opțiuni de tratament cu antibiotice ajustate în mod corespunzător la greutatea corporală a pacientului. MYCIN a devenit cadrul pentru sistemul bazat pe reguli, EMYCIN. Ulterior, INTERNIST-1 a fost dezvoltat folosind același cadru ca EMYCIN și o bază de cunoștințe medicale mai mare pentru a ajuta medicul de familie la diagnosticare.

Pe parcursul anilor 1980 și 1990, proiectarea de noi sisteme de inteligență artificială a contribuit la realizarea unor progrese medicale precum:

  • Implementarea mai cuprinzătoare a dosarelor electronice de sănătate.
  • Asistarea la proceduri chirurgicale mai precise.
  • Cercetare aprofundată și cartografierea.
  • Colectări, procesări și livrări de date mai rapide și mai cuprinzătoare.

De exemplu, în 1986, DXplain, un sistem de sprijinire a deciziilor, a fost lansat de Universitatea din Massachusetts. Acest program utilizează simptomele introduse pentru a genera un diagnostic diferențial. Servește, de asemenea, ca manual medical electronic, oferind descrieri detaliate ale bolilor și referințe suplimentare. Când a fost lansat pentru prima dată, DXplain era capabil să furnizeze informații despre aproximativ 500 de boli. De atunci, s-a extins la peste 2400 de boli.

La sfârșitul anilor 1990, interesul pentru învățarea automată a fost reînnoit, în special în lumea medicală, care, împreună cu evoluțiile medicale și tehnologice cheie care au avut loc în ultimii 50 de ani, au pregătit terenul pentru era modernă a inteligenței artificiale în medicină:

  • Creștere exponențială a puterii de calcul, care duce la colectarea și prelucrarea rapidă a datelor.
  • Creșterea bazei de date de secvențiere genomică.
  • Implementarea pe scară largă a sistemelor de evidență medicală electronică / sisteme de evidență electronică a sănătății.
  • Îmbunătățiri în domeniul procesării limbajului natural și al viziunii computerizate, permițând mașinilor să reproducă procese similare celor umane.
  • Salturi uriașe în tehnicile de învățare profundă și în jurnalele de date privind bolile rare
  • Precizie sporită în micro-mecanică, deschizând calea pentru chirurgia asistată de roboți

De la sfârșitul anilor 2010, medicina digitalizată a devenit mai ușor de accesat, iar AIM a început să se dezvolte rapid. Procesarea limbajului natural a transformat chatbots de la comunicarea superficială (Eliza) la interfețe semnificative bazate pe conversații. Această tehnologie a fost aplicată asistentului virtual al Apple, Siri, în 2011 și asistentului virtual al Amazon, Alexa, în 2014.

Pharmabot a fost un chatbot dezvoltat în 2015 pentru a ajuta la educarea pacienților pediatrici și părinților acestora în materie de medicație, iar Mandy a fost creat în 2017 ca un proces automatizat de primire a pacienților pentru un cabinet de îngrijire primară.

Învățarea profundă a marcat un progres important în domeniul IA în medicină. Spre deosebire de Machine Learning, care utilizează un număr stabilit de trăsături și necesită intervenția umană, Deep Learning poate fi antrenată să clasifice singură datele. Deși Deep Learning a fost studiată pentru prima dată în anii 1950, aplicarea sa în medicină a fost limitată de problema „supra-adaptării”. Supra-adaptarea apare atunci când Machine Learning se concentrează prea mult pe un anumit set de date și nu poate procesa cu acuratețe noi seturi de date, ceea ce poate fi rezultatul unei capacități de calcul insuficiente și al lipsei de date de instruire. Aceste limitări au fost depășite în anii 2000, odată cu disponibilitatea unor seturi de date mai mari și cu îmbunătățirea semnificativă a puterii de calcul.

Arterys a devenit în 2017 prima aplicație Deep Learning clinică bazată pe cloud în domeniul sănătății aprobată de Food and Drug Administration din SUA. Primul produs Arterys a fost capabil să analizeze imaginile de rezonanță magnetică cardiacă în câteva secunde, oferind informații precum fracția de ejecție cardiacă. De atunci, această aplicație s-a extins pentru a include imagistica ficatului și a plămânilor, imaginile cu raze X ale toracelui și ale aparatului locomotor și imaginile CT ale capului fără contrast.

Revoluția inteligenței artificiale a început exact în radiologie, iar seria de progrese importante nu s-a încheiat încă. De exemplu, unele sisteme recente de IA pot interpreta imagini realizate cu mai puține radiații decât în mod normal, reducând astfel nu doar numărul de medici necesari pentru a interpreta o radiografie, ci și doza necesară pentru realizarea acesteia, ceea ce este benefic pentru pacienți. De asemenea, ele pot căuta lucruri pe care medicii nu le-ar verifica. În cadrul „screening-ului oportunist”, o radiografie efectuată pentru a căuta o anumită problemă este scanată pentru a detecta și semnele altor probleme. Cele mai multe dintre cele 80 de milioane de tomografii computerizate efectuate în America în fiecare an sunt efectuate pentru a căuta o problemă într-o anumită parte a corpului, dar aproape întotdeauna conțin informații și despre alte părți.

Practic, mașinile nu au nicio problemă în a îndeplini mai multe sarcini și pot deveni experți în identificarea multor tipuri diferite de boli, ceea ce le transformă în sisteme extrem de utile omului.

Mirela Mustață, Redactor executiv E-asistent

Surse de documentare

Share This Post