Orvosi képzettségüknek köszönhetően az orvosok rengeteg tudással, tapasztalattal, bölcsességgel és ítélőképességgel rendelkeznek. Mégis, még a legnagyobb emberi agy sem képes emlékezni vagy értelmezni az emberi egészséggel és betegségekkel kapcsolatos, jelenleg rendelkezésre álló információk töredékére. Alig néhány évvel ezelőtt a legtöbb orvosi döntés teljes mértékben a döntés meghozatalakor az orvos fejében lévő tudáson alapult. Ma ez kezd megváltozni, köszönhetően a mesterséges intelligencia gyors fejlődésének.

Az evolúció, amely a ChatGPT-t és a hasonló nagy nyelvi modelleket hozta el a világba, a mesterséges intelligencia a történelem egyik leggyorsabban elfogadott technológiájává tette, amely mélyreható változásokat ígér élet- és munkamódszerünkben. A legfontosabbak egy része az egészségügy területén fog megvalósulni. A rendszerek mögött meghúzódó technológia fejlődésével a mesterséges intelligencia hamarosan ugyanúgy része lesz egészségügyi tapasztalatainknak, mint az orvosok, nővérek, várótermek és gyógyszertárak. Valójában nem sok idő telik el ahhoz, hogy a mesterséges intelligencia mindezeket felváltja vagy újradefiniálja.

Számos mesterséges intelligencia „döntéstámogató rendszer” már most is segít abban, hogy az orvosok rengeteg információhoz férhessenek hozzá az ellátás helyén. Ezek a rendszerek kihasználják azt, amiben a számítógépek természetesen jók – hatalmas mennyiségű információ tárolására, visszahívására és korrelációjára gyakorlatilag azonnal –, és összekapcsolják azt a humán szakértő azon képességével, hogy intuitívan okoskodjon és kreatívan gondolkodjon.

Amikor az 1980-as és 1990-es években a korai, úgynevezett „szakértői rendszereket” először fejlesztették ki, sok orvos ellenségesen fogadta őket, és attól tartottak, hogy hamarosan a számítógépek lesznek felelősek az orvosi döntéshozatalért, ami elveszi az „orvos érintését” az egyenlet és azon orvosok kezének megkötése, akiknek véleménye eltér a számítógépes elemzéstől. De nem ez történt. A kutatások kimutatták, hogy ezek a rendszerek egyre jobban segítik az orvosokat abban, hogy észrevegyék azokat a lehetséges eredményeket, amelyeket esetleg elmulasztottak, anélkül, hogy kivennék a kezükből a végső döntéshozatali jogkört.

Gyorsan közeledünk a „kentaurdoktorok” korához, amelyek egyesítik az emberi intelligencia és a mesterséges intelligencia segítségnyújtásának legjobb részeit.

Gyorsan közeledünk ahhoz az időhöz, amikor a „kentaurdoktorok”, akik az emberi intelligencia és a mesterséges intelligencia legjobb részeit egyesítik, képesek lesznek merész orvosi döntéseket hozni, sokkal kevesebb nem szándékos következménnyel. Ez létfontosságú, mert csak az Egyesült Államokban évente körülbelül negyedmillió halálesetért felelősek az orvosi hibák. Nem túlzás azt állítani, hogy az AI-alapú egészségügyi ellátás már számtalan életet megmentett.

A MedAware nevű mesterségesintelligencia-program például segít az orvosoknak elkerülni, hogy véletlenül rossz gyógyszert írjanak fel. A rendszer úttörője Dr. Gidi Stein volt, miután hallott egy 9 éves fiúról, aki azért halt meg, mert az orvos rossz dobozt kattintott, és vérhígítót írt fel az asztmagyógyszer helyett. Az ehhez hasonló hibák ijesztően gyakoriak: A mellékhatásokat okozó gyógyszerelési hibák körülbelül 70%-a felírási hiba.

Nem nehéz megérteni, hogyan lehet ez ilyen átfogó probléma. Az FDA több tízezer vényköteles gyógyszerkészítményt hagyott jóvá, amelyek közül sok nagyon hasonló elnevezésű. Van Novolin és Novolog, vinblasztin és vinkrisztin, hidroxizin és hidralazin. Ha emlékszik arra, hogy az orvosok híresen rossz kézírással rendelkeznek, elképzelheti, hogy ez milyen problémát jelenthetett akkoriban, amikor a legtöbb „forgatókönyvet” kézzel írták. Ez még mindig kihívást jelent a digitális korban, amikor egy egyszerű elírás vagy átmeneti memóriakihagyás rossz gyógyszert juttathat el a pácienshez.

Amikor egy orvos olyan gyógyszert ír fel, amely nem felel meg a betegnek a MedAware által értékelt egészségügyi szükségleteinek, az orvos figyelmeztetést kap. A rendszer azt is jelzi az orvosoknak, ha olyan gyógyszert próbálnak felírni, amely negatív kölcsönhatásba léphet a páciens valamelyik meglévő gyógyszerével – ez egy másik gyakori hiba, amelyet az orvosok szinte soha nem ellenőriznek. A MedAware-t használó kórházakban világszerte továbbra is az orvos mondja ki a végső szót. A rendszer egyszerűen egy extra ellenőrzést kínál, amely különösen akkor hasznos, ha az orvosok túlterheltek és kimerültek.

Van egy másik előnye is. A hibák elkövetésének kockázata gyakran visszatartja az orvosokat a kreatív gondolkodástól, és csak néhány ismert kezelésre korlátozza lehetőségeit. Ezek a gyakorlatok a legjobb esetben klinikai vizsgálatokon alapulnak, de a mesterséges intelligencia és az egyedi adatfelhők együttes erejével sokkal jobb eredményeket tudunk elérni, mint az „átlag követése”. Egy mesterséges intelligencia által támogatott orvos gyorsan és magabiztosan értékelheti a lehetséges kimenetelek tízezreit – figyelembe véve az egyén egyedi genetikai felépítését, biokémiáját, életmódját és személyes történetét – mielőtt az ajánlott kezelések választékát felajánlaná.

A klinikai döntéstámogató rendszerek emellett személyre szabottabbá teszik a teszteredményeket, kor, nem, etnikai hovatartozás, betegség altípusok stb. A DXplain, a Massachusetts General Hospital Számítástechnikai Laboratóriumában kifejlesztett mesterséges intelligencia eszköz klinikai megnyilvánulásokon alapuló valószínű diagnózist biztosít. Egy véletlen besorolásos kontrollvizsgálat kimutatta, hogy a DXplain használatával szignifikánsan jobb eredményeket értek el a családorvosok a 30 klinikai esetet magában foglaló diagnosztikai tesztben, ami 74%-ról 84%-ra javította a pontossági arányukat.

Napjainkban klinikai döntéstámogató rendszereket is használnak a laboratóriumi vizsgálatok és értelmezések segítésére, riasztások biztosítására és a kóros laboratóriumi eredmények kiemelésére. Néha segítenek elkerülni a kockázatosabb vagy invazívabb diagnosztikai stratégiák alkalmazását a biztonságosabb alternatívák javára. A májbiopsziát például aranystandardnak tekintik – pontosabbak, mint a noninvazív laboratóriumi vizsgálatok – a hepatitis B és C diagnosztizálásában. Az AI-modellek azonban több adatforrást is kombinálhatnak, beleértve a képalkotást, a vérmarkereket és a genetikát, hogy sokkal nagyobb pontosságot érjenek el anélkül biopszia szükségessége.

Egy tanulmány kimutatta, hogy a húgyhólyag-daganat elemzése AI-val 93%-os pontossággal elvégezhető.

A patológiai jelentések számos kritikus orvosi döntést hajtanak végre, és a mesterséges intelligencia felhasználható olyan feladatok elvégzésére, mint például az automatizált tumorosztályozás. Egy tanulmány kimutatta, hogy a húgyhólyag-daganat elemzése AI-val 93%-os pontossággal elvégezhető. Más mesterséges intelligencia-rendszereket használnak ma a betegek biztonságára, a klinikai menedzsmentre, a költségcsökkentésre és a diagnosztikai támogatásra. Az egyik döntéstámogató rendszer figyelmezteti az orvosokat, ha a páciens elektronikus egészségügyi nyilvántartása azt mutatja, hogy jogosult a klinikai vizsgálatra. Egy másik segít a dokumentáció pontosságának biztosításában – például megerősíti, hogy a páciens oltást kapott a bakteriális fertőzések megelőzésére a lép műtéti eltávolítását követően. Az ilyen rendszerek rendkívül hasznosak olyan helyeken, ahol korlátozott a hozzáférés a klinikai szakértőkhöz, és magasabb szintű speciális ellátást biztosítanak, mint az egyébként elérhető lenne.

Bár még mindig van némi ellenállás, az orvosok egyre gyakrabban kérnek olyan AI-rendszereket, amelyek segédeszközként használhatók. Néhányan harcolni fognak az új technológia ellen; ez történik, ha a diagnosztikai erőviszonyok változnak. De azok, akik ezeket a rendszereket beépítik praxisukba, nagy szolgálatot tesznek pácienseiknek (és maguknak). Legjobb esetben nem egy szakértőhöz hasonlítanak, hanem több ezer meg ezerhez, akik mindannyian maximális sebességgel dolgoznak együtt. Mivel a mesterséges intelligencia általában olcsón futtatható, miután kifejlesztették, az ellátás optimalizálásának és radikálisan olcsóbbá tételének lehetősége feltűnő.

Az orvosi mesterséges intelligencia fejlődése nagyrészt a rendelkezésünkre álló adatmennyiség növekedésének köszönhető. Az elektronikus egészségügyi nyilvántartások vagy EHR-ek hatalmas gyorsítótárai halmozódtak fel a betegek interakcióiról minden nagyobb egészségügyi szervezetnél. Egy 2017-es tanulmány megállapította, hogy évente átlagosan 80 megabájt információt generál minden beteg. Ezek a feljegyzések tartalmazzák a képalkotási adatokat, az alapvető vizsgálati eredményeket, a betegek kimenetelére vonatkozó információkat és egyebeket. És ez még mielőtt hozzáadnánk azokat a nagyobb adatkészleteket, amelyek minden egyes páciens adatfelhőjének részévé válnak, amikor elkezdjük felhalmozni és integrálni a genomikát, a véranalízist, a bélmikrobióma elemzéseket és a hordható eszközökről származó adatokat.

A betegek adatainak elemzése és értelmezése céljából mély tudásrendszerbe való betáplálásával az orvosok élvonalbeli diagnosztikai és terápiás megközelítéseket állíthatnak elő, amelyek egyedileg az egyént célozzák meg. Az egyik korai próbálkozás a nagy nyelvi modellek ilyen módon történő használatára a Floridai Egyetemen kifejlesztett GatorTron, amelyet 90 milliárd szó felhasználásával képeztek ki az elektronikus egészségügyi feljegyzésekből, lehetővé téve a klinikai fogalmak kinyerését és az orvosi kérdések megválaszolását.

Ahhoz, hogy megfeleljünk egy olyan jövőnek, amelyben a számítógépes rendszerek érvelhetnek, dönthetnek és megmagyarázhatják döntéseiket az embereknek végső jóváhagyás céljából, új előrelépésekre lesz szükség az AI terén. A hagyományos számítógépes „szakértői rendszereket” nehéz volt skálázni, mert a szabályok felhalmozódásával hajlamosak bonyolulttá válni, ami hihetetlenül összetett döntési fákhoz vezet. Ezzel szemben az emberi gondolkodás nem pusztán szabályalapú. Ellentétben a számítógépekkel, mi elég jól felismerjük, mikor nem szabad szabályokat alkalmazni egy adott esetre, vagy ha a logika összeomlik. Az emberi agy egyik csodája, hogy képes megbirkózni a váratlanokkal.

Az adatvezérelt AI-rendszerekhez hasonló áttörésre nagy szükség van a tudásalapú AI-rendszerekhez. Ez egy olyan világhoz vezetne, amelyben a „mély tanuláshoz” kapcsolódhat a „mély érvelés”, így a mesterséges intelligencia megértheti az implicit összefüggéseket, nem csak azokat, amelyeket kifejezetten a kódjába programoztak. Ezt a kihívást az teszi olyan nehézzé, hogy a mély tanulással ellentétben, ahol hatalmas mennyiségű számítási teljesítmény és adat hozzáadása segítette elő az előrelépést, fogalmi fejlesztésekre van szükségünk ahhoz, hogy megvalósíthatóvá tegyük a mély érvelést.

Hamarosan azonban ezek a rendszerek elengedhetetlenek lesznek ahhoz, hogy az orvosok működhessenek a robbanásszerű adatok, orvosi ismeretek és betekintések világában. Ennek az együttműködésnek a közeljövőben valószínűleg megvalósuló változataiban az MI az orvosok számára érthető kifejezésekkel magyarázott döntési javaslatok válogatását kínálja, lehetőséget adva számukra a mögöttes érvelés kritikus értékelésére. Ez szorosan megegyezik azzal, ahogyan egy szakorvos irányíthatja a háziorvost, hogy a végső gondozási javaslatot tegye a páciensnek. A mesterséges intelligencia hatékony oktatási eszközzé válik, valamint az egészségügyi ellátás hatékony eszközévé.

A „mély érvelésre” képes mesterséges intelligencia idővel olyan összefüggéseket és fogalmakat kezd azonosítani, amelyeket az emberek egyszerűen nem látnak.

Végül a természetes nyelvi feldolgozás fejlődésével és különösen a legújabb nagy nyelvi modellekkel, például a ChatGPT-vel, az emberek és a számítógépek képesek lesznek kifinomult, megfontolt megbeszéléseket folytatni a betegekről, és közösen gondolkodnak a lehetőségeken egy valós idejű információcsere során. Az orvos lesz a végső döntőbíró abban, hogy mi lesz a döntés, miközben mentesül a tanulás lehetetlen terhe alól, és integrálja az új adatok és ismeretek készleteit, amelyek szükségesek a leginkább megalapozott döntés meghozatalához. A mélyreható érvelés idővel elkezdi azonosítani azokat az összefüggéseket és fogalmakat, amelyeket az emberek egyszerűen nem látnak vagy nem értenek meg a mesterséges intelligencia segítsége nélkül.

Amikor ez megtörténik – amikor a mesterséges intelligencia elkezd összetett betekintést nyerni az adatok korrelációja helyett – mit fognak tenni az orvosok? Ha ezek a beavatkozások működnek, beépülnek-e még akkor is, ha mi, emberek nem tudjuk megmagyarázni, miért működnek? Lehet, hogy ez túl messzire lépésnek tűnik, de érdemes hangsúlyozni, hogy tudjuk, hogy sok gyógyszerészeti készítmény a biokémiai folyamatok teljes megértése nélkül működik, és folyamatosan lenyűgöz bennünket az emberi fiziológia vakító összetettsége.

Ez mindig is így volt. Az ókori sumérok és egyiptomiak szalicilátban gazdag növényekből, például fűzből készítettek gyógyszereket, jóval azelőtt, hogy az emberek megértették volna, miért csökkentik az ilyen vegyszerek a fájdalmat és a gyulladást. És bár az ezekből a gyakorlatokból származó modern gyógyszer, az aszpirin már több mint 165 éve létezik, az emberi szervezetre gyakorolt hatásának hátterében álló mechanizmusokat még ma is tanulmányozzák. Végül azt gyanítjuk, hogy a mesterséges intelligencia olyan lesz, mint az aszpirin: használni fogjuk, mert működik, még ha nem is értjük teljesen. Ez egy ugrásnyi hitet igényel, de az innováció gyakran azt jelenti, hogy egy ideig belemerészkedünk az ismeretlenbe, mielőtt az végre ismertté válik.

Dr. Hood a Phenome Health vezérigazgatója és a Rendszerbiológiai Intézet társalapítója és professzora, Dr. Price pedig a Thorne HealthTech tudományos igazgatója. Ez az esszé a Harvard University Press által április 4-én megjelent új könyvükből, a „The Age of Scientific Wellness”-ből készült.