H τεχνητή νοημοσύνη AI μπορεί τώρα να κάνει διάγνωση για καρκίνο του πνεύμονα, του μαστού, του εγκεφάλου, του δέρματος, ακόμα και του τραχήλου της μήτρας.
Βέβαια, στον κόσμο της ιατρικής AI, το να καταλάβεις πότε να βασίζεσαι σε ειδικούς έναντι αλγορίθμων εξακολουθεί να είναι δύσκολο, καθώς το ζήτημα δεν είναι απλώς ποιος είναι «καλύτερος» στη διάγνωση ή την πρόβλεψη.
Παράγοντες όπως ο χρόνος που έχουν οι επαγγελματίες του ιατρικού τομέα και το επίπεδο εμπειρογνωμοσύνης τους, δεν μπορούν να μείνουν εκτός παιχνιδιού. Για να αντιμετωπιστεί αυτό, οι ερευνητές από το εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης του MIT (CSAIL) ανέπτυξαν ένα σύστημα μηχανικής εκμάθησης που μπορεί να αποφασίσει εάν θα κάνει μια πρόβλεψη ή εάν θα το αναθέσει σε κάποιον ειδικό.
Το πιο σημαντικό είναι, ότι το σύστημα AI μπορεί να προσαρμόσει το πότε και πόσο συχνά θα απευθύνεται σε έναν άνθρωπο, με βάση τη διαθεσιμότητα, την εμπειρία και το εύρος της πρακτικής του συνεργάτη του. Για παράδειγμα, σε ένα πολυάσχολο νοσοκομείο, η τεχνολογία AI μπορεί να ζητήσει ανθρώπινη βοήθεια για τη διάγνωση μόνο όταν είναι απολύτως απαραίτητο.
Οι ερευνητές εκπαίδευσαν το σύστημα σε πολλαπλές εργασίες, συμπεριλαμβανομένης της εξέτασης ακτινογραφιών στο στήθος για τη διάγνωση καταστάσεων όπως ενός πνεύμονα που κατέρρευσε. Όταν ζητήθηκε να διαγνώσει την καρδιομεγαλία (μια διευρυμένη καρδιά), το ανθρώπινο-AI υβριδικό μοντέλο τα κατάφερε κατά 8% καλύτερα από ό,τι θα μπορούσαν οι ίδιοι οι επαγγελματίες της ιατρικής.
«Υπάρχουν πολλά εμπόδια που απαγορεύουν την πλήρη αυτοματοποίηση σε κλινικό περιβάλλον, συμπεριλαμβανομένων ζητημάτων εμπιστοσύνης και ευθύνης,» λέει ο David Sontag, επικεφαλής συγγραφέας της εργασίας που παρουσίασε η ομάδα CSAIL στο Διεθνές Συνέδριο για τη Μηχανική Εκμάθηση.
«Ελπίζουμε ότι η μέθοδος της τεχνολογίας AI για τη διάγνωση να εμπνεύσει τους επαγγελματίες της μηχανικής εκμάθησης να γίνουν πιο δημιουργικοί στην ενσωμάτωση της ανθρώπινης εμπειρίας σε πραγματικό χρόνο στους αλγορίθμους τους.»
Το επόμενο βήμα για τους ερευνητές είναι να δοκιμάσουν ένα σύστημα τεχνητής νοημοσύνης που θα λειτουργεί και θα αναθέτει σε πολλούς ειδικούς ταυτόχρονα. Για παράδειγμα, θα μπορεί να συνεργαστεί με διαφορετικούς ακτινολόγους που είναι πιο έμπειροι με διαφορετικούς πληθυσμούς ασθενών.
Η ομάδα πιστεύει επίσης ότι η τεχνητή νοημοσύνη θα μπορούσε να έχει αντίκτυπο και στην εποπτεία περιεχομένου, επειδή μπορεί να ανιχνεύσει προσβλητικό κείμενο και εικόνες. Καθώς οι εταιρείες κοινωνικών μέσων μαζικής ενημέρωσης αγωνίζονται να εξαλείψουν την παραπληροφόρηση και το μίσος, ένα εργαλείο σαν την τεχνολογία AI, εκτός από τη διάγνωση, θα μπορούσε να ελαφρύνει το φόρτο εργασίας όσων ασχολούνται με αυτό.
