A legtöbbünknek van orvosa, receptje vagy olyan családtagja, aki sokáig várt egy válaszra. Ezért amikor a kutatók azt mondják, hogy az AI megváltoztathatja az orvoslás működését, érdemes tudni, pontosan mire gondolnak – és mire nem.
A Microsoft Research nemrég közzétette a The Shape of Things to Come című podcast egyik epizódját. A műsorvezető, Doug Burger három vendéggel beszélgetett: Eric Horvitzcal, a Microsoft tudományos igazgatójával; Eric Topollal, a Scripps Research orvos-kutatójával és a Microsoft egészségügyi AI-tanácsadójával; valamint Ava Aminivel, a Microsoft vezető kutatási menedzserével. Az epizód beszélgetés, nem termékbemutató, így semmit sem kell telepítened vagy regisztrálnod. Hasznos betekintést ad abba, merre tart a kutatók szerint az egészségügy és az AI.
Miről szólt a beszélgetés?
A vendégek több olyan témát is érintettek, amelyek gyakran felmerülnek az egészségügyi AI kapcsán. Íme, közérthetően:
- AI-val támogatott diagnózis: az AI segít az orvosnak megállapítani, milyen betegsége lehet a páciensnek. Az AI támogatja az orvos döntését, nem helyettesíti azt.
- Orvosi képalkotás: röntgenfelvételek, különböző vizsgálatok képei és a testről készült hasonló felvételek. A vendégek szerint ezen a területen még sok kiaknázatlan lehetőség rejlik.
- A teljes páciens állapotát figyelembe vevő modellek: olyan AI-rendszerek, amelyek nem egyetlen tünetet vagy vizsgálati eredményt néznek, hanem az ember egészségi állapotát próbálják összességében értékelni.
- Virtuális sejtek: a sejtek működését utánzó számítógépes modellek. A kutatók egy lassú és költséges laborvizsgálat előtt egy modellen is tesztelhetik az elképzeléseiket.
- Biológiai alapmodellek: biológiai adatokkal, például fehérjékre vagy génekre vonatkozó információkkal betanított nagy AI-modellek. Úgy képzeld el őket, mint egy általános kiindulópontot, amelyet a tudósok konkrét kérdésekhez igazíthatnak.
A résztvevők arról is beszéltek, miért telhet évekbe, mire egy ígéretes kutatási eredmény eljut a betegekhez, és hogyan segíthet az AI a kísérletek megtervezésében, illetve a gyógyszerkutatás felgyorsításában. Két dolgot különösen fontosnak tartottak: jobb biológiai adatokra és valós körülmények közötti ellenőrzésre van szükség. Ez utóbbi azt jelenti, hogy bizonyítani kell: az adott módszer a laboron kívül, valódi betegeknél is működik.
Mit mondott Horvitz és a többi résztvevő az összképről?
Horvitz szerint az egyik ok, amiért ezek a területek készen állnak az AI alkalmazására, az egészségügyi és biológiai adatok digitalizálása. Ilyenek például az elektronikus egészségügyi nyilvántartások és a fehérjeszerkezetek adatai. Az AlphaFold mögött álló Google DeepMind-munkát korai áttörésként említette, és arról beszélt, hogy ma már a lehetőségek szélesebb köre bontakozik ki. Az egészségügyben szerinte esély nyílhat olyan régóta fennálló problémák kezelésére, mint a betegbiztonság, az időben történő diagnózis és az ellátáshoz való hozzáférés. Ezek a vállalat kutatóinak nézetei, nem pedig már bizonyított eredmények.
Összegzés
A Microsoft Research vendégeinek fő üzenete visszafogott, de biztató: az AI valódi lendületet kapott a biológia és az orvoslás területén, ám ahhoz, hogy az ígéretes kutatásokból a betegek számára is elérhető ellátás legyen, jó adatokra, körültekintő vizsgálatokra és időre van szükség. Ma még semmilyen lépést nem kell tenned. Jó következő lépés lehet, ha körülbelül egy órát szánsz az epizódra vagy az átiratára, és feljegyzel egy kérdést, amely felmerül benned. Így amikor legközelebb az AI-ról és az egészségügyről olvasol egy címet, már tudni fogod, milyen kérdéseket érdemes feltenned.
