Во нашето современие, сѐ почесто се пишува и се вознесува користењето на алатката наречена вештачка интелигенција. Впрочем, на оваа тема пишував пред извесно време и мислам дека на читателите им е веќе многу појасно за што се работи. Она за што денес ќе пишувам е фактот што вештачката интелигенција влезе и во областа на медицината. Зголемувањето на компјутерската моќ, обемот и достапноста на податоците, како и развојот на нови методи на машинско учење, овозможија создавање алатки што на крајот можат да ја трансформираат севкупната медицинска грижа и конечно да го подобрат здравјето. Секоја документирана средба со пациентот, резултат од лабораториски тест или снимање, заедно со дополнителни податоци зачувани од мобилниот уред на пациентот, може да се сумираат и анализираат со користење на сè посложени аналитички пристапи содржани токму во вештачката интелигенција.
Брзо развивачките можности на алатките поврзани со вештачката интелигенција всушност ги поставија темелите за трансформативно истражување. Така, вештачката интелигенција е веќе прифатена од страна на медицинските истражувања. Пред десет години, имаше приближно 5.000 публикации поврзани со вештачката интелигенција во „ПабМед“ (PubMed) годишно, кои се зголемија на 10.000 во 2018 година. Оваа година, се наоѓаат повеќе од 50.000 публикации низ светот. Сепак, потенцијалот за преточување на овие информации во клинички релевантни сознанија и значајни и правични подобрувања во обезбедувањето медицинска грижа останува сѐ уште во голема мера теоретски.
Постојат неколку значајни илустрации за капацитетот на вештачката интелигенција да ги подобри исходите кај пациентите. Тие вклучуваат интервенција на когнитивно-бихејвиорална терапија за хронична болка во која плановите за третман беа приспособени со помош на повратни информации базирани на вештачка интелигенција. Исто така, автоматизиран предикативен модел ги намали смртноста и приемот во единицата за интензивна нега со идентификување болнички пациенти со висок ризик од клиничко влошување и помош при донесување одлуки овозможени токму од вештачка интелигенција. Понатаму, значително се подобрија функционалните исходи кај пациенти со остеоартритис на колено, повторно со користење вештачката интелигенција.
Сепак, остануваат важни празнини во презентираните докази. Прво, рандомизираните клинички испитувања што ги оценуваат интервенциите базирани на вештачка интелигенција се реткост. И покрај брзиот раст на студиите фокусирани на вештачка интелигенција во „ПабМед“, помалку од еден отсто се клинички испитувања. Понатаму, многу од испитувањата поврзани со вештачка интелигенција објавени досега имаат мали примероци и се фокусираат на дијагностичката точност наместо на проценка на ефикасноста на интервенцијата изведувана со помош на вештачка интелигенција споредено со исходите центрирани кон пациентот. Постојните испитувања, исто така, имаат само ограничено известување за демографијата на пациентите и оперативната ефикасност, а повеќето од нив не се реплицирани, што предизвикува загриженост во врска со генерализацијата и применливоста на резултатите.
За да помогне во пополнувањето на оваа празнина во знаењето, „ЏАМА интернал медисин“ (JAMA Internal Medicine) како високорангирано списание е особено заинтересирано за висококвалитетни рандомизирани клинички испитувања, кои јасно ја дефинираат интервенцијата базирана на вештачка интелигенција, кои целосно го опишуваат начинот на кој е евалуирана интервенцијата и директно се однесуваат на исходите на пациентите. Така, ова списание објави јавен неодамнешен повик за објавување на рандомизирани испитувања, алтернативните пристапи за рандомизација, како и студии што користат вештачка интелигенција на креативни начини за да го олеснат спроведувањето на испитувањата.
Пристапите поврзани со вештачката интелигенција, исто така, имаат значително ветување за подобрување и стратификацијата на ризикот и на дијагнозата – задачи што се фундаментални за медицинската практика. Како дијагностичка алатка, вештачката интелигенција може да препознава обрасци на податоци и нови варијабли што не се лесно препознатливи за човечките набљудувачи и може да синтетизира податоци за извршување задачи при дијагностичко расудување. Во тој контекст, ова списание е заинтересирано за студии што развиваат и валидираат алгоритми за дијагноза и предвидување ризик од состојби што најчесто се среќаваат во практиката на интерната медицина. За овие студии, од клучно значење е да се валидираат моделите низ различни популации и услови. За студиите за дијагностичко тестирање, валидацијата може да значи оценување дали дијагнозите идентификувани преку вештачката интелигенција се клинички значајни и разбирање дали раната идентификација на состојбите на болеста го подобрува здравјето. За сите студии, „црната кутија“ на моделот на вештачката интелигенција треба да биде што е можно потранспарентна, така што читателите можат да разберат кои фактори се вклучени во анализата и како се утврдени. Исто така, посебно се битни студиите што ригорозно оценуваат како предикативните или дијагностичките модели влијаат врз резултатите на пациентите, еднаквоста и клиничката пракса откако ќе се имплементираат.
Алатките базирани на вештачка интелигенција имаат потенцијал да ја преобликуваат клиничката нега генерално. Овие алатки можат да ја подобрат клиничката ефикасност со намалување на административните и документациските оптоварувања, олеснувајќи ги едукацијата и комуникацијата на пациентите. Во една студија на 100 болнички средби, се покажа дека резимеата на отпуст генерирани од голем јазичен модел (ЛЛМ) се со споредлив квалитет со оние што ги генерирале лекарите (ЛЛМ претставува вид на користење на податоците од јазичен аспект).
Алатките за вештачка интелигенција исто така можат да помогнат во напорите за подобрување на квалитетот, со автоматизирање на макотрпниот процес на преглед на медицинските картони и извештаите за инциденти и интегрирање алатки за подобрување на резултатите кај пациентите и зголемување на безбедноста. Од друга страна, и покрај ентузијазмот за амбиентално водење белешки, не сите студии ја поддржуваат нивната корист, зајакнувајќи ја важноста на емпириското истражување. Особен интерес постои за студии што го проценуваат влијанието на вештачката интелигенција врз редизајнот на здравствената заштита во реалната клиничка пракса.
Особено е нагласено дека „ЏАМА интернал медисин“ е особено заинтересирано списание за трудови што се однесуваат на фундаменталните етички, правни и социјални импликации на вештачката интелигенција. На пример, примената на ЛЛМ во здравствената заштита поттикнува етички загрижености за приватноста на пациентите, одговорноста, транспарентноста и потеклото на податоците (на пр. чии податоци се користат и под кои ограничувања). Траекторијата на вештачката интелигенција во медицината истакнува како постојните регулаторни рамки не можат да го следат брзото темпо на откривање и имплементација на технологиите.
Американската администрација за храна и лекови веќе одобри над 1.000 медицински уреди овозможени со вештачка интелигенција. За разлика од традиционалните медицински уреди, многу од овие уреди со вештачка интелигенција постојано се усовршуваат и се адаптираат, врз основа на нови податоци. Оваа способност за „учење“ и еволуција е една од силните страни на вештачката интелигенција, но исто така го отежнува регулаторниот надзор. Втор предизвик, особено за ЛЛМ, е тоа што постои недостиг од јасност за тоа како моделите ги постигнуваат своите заклучоци со оглед на нивната динамична и итеративна природа. Во иднина, ќе бидат потребни нови регулаторни пристапи за да се обезбедат ефикасност и безбедност, а наедно да се балансираат интересите и правата на пациентите. Важно е да се идентификува и да се спречи алгоритамска пристрасност, особено за да се осигури дека усвојувањето на вештачката интелигенција во клиничката нега нема да ги влоши долгогодишните нееднаквости во здравството. Овој концепт на праведност е клучен за да се осигури дека алатките со вештачка интелигенција даваат точни препораки за дијагноза и третман кај сите пациенти. Дополнително, економското влијание на алатките поврзани со вештачката интелигенција би можело да има длабоко влијание врз пристапот и еднаквоста. Од една страна, вештачката интелигенција би можела потенцијално да го зголеми пристапот до грижа за недоволно опслужените популации, преку информирање за дијагностичките и терапевтските точки, особено кога алгоритмите засновани на податоци се еквивалентни или супериорни во однос на клиничката процена. Спротивно на тоа, алатките поврзани со вештачката интелигенција што носат дополнителни трошоци би можеле потенцијално да ги влошат нееднаквостите.
Дизајнирањето, спроведувањето и евалуацијата на истражувањата за вештачка интелигенција бараат експертиза во компјутерските науки, дизајнот на клиничките испитувања, медицинската информатика, здравствената еднаквост, истражувањата за квалитет и резултати, медицинската етика, здравствената економија и здравствената политика. Всушност, потребни се сите практични вештини за да се искористи вештачката интелигенција за унапредување на здравјето и здравствената заштита.
Како долгогодишен лекар практичар, сепак сметам дека личниот контакт со пациентот, топлиот збор за охрабрување и поддршка и особено психотераписките интервенции се поподобни за класичниот медицински приод иако вештачката интелигенција е попрецизна, побрза и го скусува неопходното време. Најпосле, големо е прашањето дали оваа алатка измислена од човекот нема да се злоупотреби токму против него самиот?
