211service.com
Medyczna sztuczna inteligencja Google była bardzo dokładna w laboratorium. Prawdziwe życie to zupełnie inna historia.
Wikimedia Commons
Pandemia COVID-19 powoduje wyczerpanie zasobów szpitalnych w wielu krajach na świecie. Nic dziwnego, że wiele osób ma nadzieję, że sztuczna inteligencja przyspieszy badania przesiewowe pacjentów i złagodzi obciążenie personelu klinicznego. Ale badanie przeprowadzone przez Google Health — the najpierw przyjrzeć się wpływowi narzędzia do głębokiego uczenia się w rzeczywistych warunkach klinicznych —ujawnia, że nawet najdokładniejsze AI mogą faktycznie pogorszyć sytuację, jeśli nie są dostosowane do środowisk klinicznych, w których będą działać.
Istniejące zasady wdrażania sztucznej inteligencji w warunkach klinicznych, takie jak standardy dopuszczania przez FDA w USA lub znak CE w Europie, koncentrują się przede wszystkim na dokładności. Nie ma wyraźnych wymagań, że sztuczna inteligencja musi poprawić wyniki leczenia pacjentów, głównie dlatego, że takie badania jeszcze się nie odbyły. Ale to musi się zmienić, mówi Emma Beede, badaczka UX w Google Health: Musimy zrozumieć, jak narzędzia AI będą działać dla ludzi w kontekście – zwłaszcza w opiece zdrowotnej – zanim zostaną szeroko wdrożone.
Pierwsza okazja Google do przetestowania narzędzia w rzeczywistych warunkach nadeszła z Tajlandii. Ministerstwo zdrowia tego kraju wyznaczyło roczny cel badania 60% osób z cukrzycą pod kątem retinopatii cukrzycowej, która może powodować ślepotę, jeśli nie zostanie wykryta wcześnie. Jednak z około 4,5 milionami pacjentów i zaledwie 200 specjalistami zajmującymi się siatkówką – mniej więcej dwa razy więcej niż w USA – kliniki walczą o osiągnięcie celu. Google ma certyfikat CE, który obejmuje Tajlandię, ale wciąż czeka na zatwierdzenie przez FDA. Aby sprawdzić, czy sztuczna inteligencja może pomóc, Beede i jej współpracownicy wyposażyli 11 klinik w całym kraju w system głębokiego uczenia wyszkolony w wykrywaniu oznak chorób oczu u pacjentów z cukrzycą.
W systemie, z którego korzystała Tajlandia, pielęgniarki robią zdjęcia oczu pacjentom podczas badań kontrolnych i wysyłają je do zbadania przez specjalistę w innym miejscu – proces ten może trwać nawet 10 tygodni. Sztuczna inteligencja opracowana przez Google Health może identyfikować oznaki retinopatii cukrzycowej na podstawie skanu oka z ponad 90% dokładnością – co zespół nazywa poziomem specjalisty ludzkiego – i, w zasadzie, daje wynik w czasie krótszym niż 10 minut. System analizuje obrazy pod kątem charakterystycznych wskaźników stanu, takich jak zablokowane lub nieszczelne naczynia krwionośne.
Więcej o koronawirusie
Nasz najważniejszy zasięg dotyczący covid-19 jest bezpłatny, w tym:
Czym jest odporność stada?
Jak działa koronawirus?
Jakie są potencjalne zabiegi?
Jakie leki działają najlepiej?
Jaki jest właściwy sposób na zachowanie dystansu społecznego?
Inne często zadawane pytania dotyczące koronawirusa
---
Biuletyn: Raport techniczny dotyczący koronawirusa
Zoom pokaż: Radio Corona
Zobacz też:
Cały nasz zasięg Covid-19
Wydanie specjalne covid-19
Kliknij tutaj, aby subskrybować i wspierać nasze dziennikarstwo non-profit .
Dźwięki robi wrażenie. Ale ocena dokładności z laboratorium idzie tylko tak daleko. Nie mówi nic o tym, jak sztuczna inteligencja będzie działać w chaosie rzeczywistego środowiska i tego właśnie chciał się dowiedzieć zespół Google Health. Przez kilka miesięcy obserwowali pielęgniarki przeprowadzające skanowanie oczu i rozmawiali z nimi na temat ich doświadczeń z użyciem nowego systemu. Opinia nie była całkowicie pozytywna.
Kiedy wszystko działało dobrze, sztuczna inteligencja przyspieszyła. Ale czasami w ogóle nie dawało rezultatu. Podobnie jak większość systemów rozpoznawania obrazów, model głębokiego uczenia został przeszkolony na wysokiej jakości skanach; Aby zapewnić dokładność, został zaprojektowany tak, aby odrzucać obrazy, które spadły poniżej pewnego progu jakości. Ponieważ pielęgniarki skanują dziesiątki pacjentów na godzinę i często robią zdjęcia w złych warunkach oświetleniowych, ponad jedna piąta zdjęć została odrzucona.
Pacjentom, których obrazy zostały wyrzucone z systemu, powiedziano, że innego dnia będą musieli odwiedzić specjalistę w innej klinice. Jeśli trudno im było wziąć wolne od pracy lub nie mieli samochodu, było to oczywiście niewygodne. Pielęgniarki czuły się sfrustrowane, zwłaszcza gdy uważały, że odrzucone skany nie wykazywały oznak choroby, a wizyty kontrolne były niepotrzebne. Czasami marnowali czas na ponowne zrobienie lub edycję obrazu odrzuconego przez sztuczną inteligencję.
Pielęgniarka obsługuje skaner siatkówki, wykonując zdjęcia tylnej części oka pacjenta. (Google)
Ponieważ system musiał przesyłać obrazy do chmury w celu przetworzenia, słabe połączenia internetowe w kilku klinikach również powodowały opóźnienia. Pacjenci lubią natychmiastowe wyniki, ale internet działa wolno i pacjenci narzekają, powiedziała jedna z pielęgniarek. Czekają tu od 6 rano i przez pierwsze dwie godziny mogliśmy przebadać tylko 10 pacjentów.
Zespół Google Health współpracuje teraz z lokalnym personelem medycznym, aby zaprojektować nowe przepływy pracy. Na przykład pielęgniarki można by przeszkolić w zakresie wykorzystywania własnego osądu w przypadkach granicznych. Sam model można również ulepszyć, aby lepiej radził sobie z niedoskonałymi obrazami.
Ryzykując luz
To kluczowe badanie dla każdego, kto jest zainteresowany ubrudzeniem sobie rąk i wdrożeniem rozwiązań AI w rzeczywistych warunkach, mówi Hamid Tizhoosh z University of Waterloo w Kanadzie, który pracuje nad sztuczną inteligencją w obrazowaniu medycznym. Tizhoosh jest bardzo krytyczny wobec tego, co uważa za pośpiech w ogłaszaniu nowych narzędzi sztucznej inteligencji w odpowiedzi na Covid-19. W niektórych przypadkach zespoły bez specjalistycznej wiedzy w zakresie opieki zdrowotnej opracowują narzędzia i udostępniają modele, mówi. Postrzega badanie Google jako aktualne przypomnienie, że ustalenie dokładności w laboratorium to dopiero pierwszy krok.
Michael Abramoff, okulista i informatyk z University of Iowa Hospitals and Clinics, od kilku lat opracowuje sztuczną inteligencję do diagnozowania chorób siatkówki i jest dyrektorem generalnym startupu typu spinoff o nazwie IDx Technologies, który współpracował z IBM Watson. Abramoff był w przeszłości cheerleaderem AI w służbie zdrowia, ale ostrzega również przed pośpiechem, ostrzegając przed luzem, jeśli ludzie mają złe doświadczenia z AI. Bardzo się cieszę, że Google pokazuje, że chętnie przyjrzy się rzeczywistemu przepływowi pracy w klinikach – mówi. Opieka zdrowotna to znacznie więcej niż algorytmy.
Abramoff kwestionuje również przydatność porównywania narzędzi AI z ludzkimi specjalistami, jeśli chodzi o dokładność. Oczywiście nie chcemy, aby sztuczna inteligencja wykonała złe połączenie. Ale ludzcy lekarze cały czas się nie zgadzają, mówi – i to jest w porządku. System AI musi pasować do procesu, w którym źródła niepewności są omawiane, a nie po prostu odrzucane.
Zrób to dobrze, a korzyści mogą być ogromne . Kiedy wszystko działało dobrze, Beede i jej koledzy zobaczyli, jak sztuczna inteligencja sprawia, że ludzie, którzy są dobrzy w swojej pracy, stają się jeszcze lepszymi. Była jedna pielęgniarka, która samodzielnie przebadała 1000 pacjentów, a dzięki temu narzędziu jest nie do powstrzymania, mówi. Pacjentów nie obchodziło, że to sztuczna inteligencja, a nie człowiek czytający ich obrazy. Bardziej dbali o to, jakie będzie ich doświadczenie.
Poprawka: Linia otwarcia została zmieniona, aby wyjaśnić, że nie wszystkie kraje są przytłoczone.