Mindenhol MI!
A mesterséges intelligencia első alkalmazásai ma már gyakorlatilag mindenhol jelen vannak: végigkísérik az adott terméket az előállításától (automatizált gyártás) kezdve a kiszállításán át (intelligens készletnyilvántartás és logisztika) az elfogyasztásáig (személyre szabott internetes reklámok). Egy átlagos mai páciens vagy jövőbeni beteg már most is kapcsolatban van az egészségügyben a mesterséges intelligenciával, annak felhasználásával, csak nem feltétlenül tudja ezt. A kívülálló számára első hallásra talán hihetetlennek tűnik, de az egészségügy valóban rengeteget profitál a mesterséges intelligencia (MI) alkalmazásából. Gyors diagnózisokat és újabb gyógymódokat is lehetővé tesz, amelyek korábban elképzelhetetlenek lettek volna. Napjainkban a következő fő területek érintettek az MI alkalmazásával: műtéti eljárás robotasszisztenciával, virtuális ápolónői felügyelet, az adminisztráció automatizálása, kiberbiztonság, automatizált diagnosztika, csaláskiszűrés, egészségmonitoring.
A fejlett országokban a mesterséges intelligencia már jó ideje besegít az orvosoknak és adminisztratív munkatársaiknak a számlázásban és a szolgáltatók idejének megfelelőbb kiaknázásában. Bár ezek a területek kissé távolabb állnak a gyógyítástól, nehéz ma már olyan egészségügyi területet mondani, amelynek nincs néhány, MI-hez kapcsolódó munkája. Bár az MI működtetését lassítja a betegek magánéletének védelme, gyakorlatilag már most is része az orvosi ellátásnak. A segítségével rövidebb idő alatt felállítható a diagnózis, s az új gyógyszerek kifejlesztése is sokkal kevesebb időt vesz majd igénybe, mint most. A hordható érzékelők és az adatelemzés gazdagabb képet nyújtanak a betegek egészségéről.
Az orvosok és a kórházak igen nagy méretű adathalmazt szerezhetnek a betegekről – mindenről: vérnyomástól kezdve a genetikai szekvenciáig. Ezek az adatok valahol „ülnek” egy számítógépben, s így senkinek sem segítenek. Ám ez fokozatosan megváltozik, ahogyan a számítógépek egyre jobban képesek lesznek alkalmazni a mesterséges intelligenciát: hatalmas adatmennyiségeket kereshetnek és mintázatokra lelhetnek – az információk rögzítése, tárolása és elemzése olcsóbbá és könnyebbé válik.
Ugyanakkor a mesterséges intelligencia is rendelkezik korlátokkal. Egyesek attól tartanak, hogy az orvostudomány ilyen irányú fejlődése az orvosok kezéből is kiveszi a munkát – például, mert az MI gyorsabban állít fel egy diagnózist. Sokan pont fordítva látják a helyzetet: szerintük a digitális beolvasást végző algoritmusok segítenek az orvosi információk, például a diagnózis, a laboratóriumi tesztek és a genetika integrálásában, így a patológusok eldönthetik, mit kezdjenek az eléjük kerülő információval. Vagyis: az emberek maradnak azok, akik az adatot értelmezik és összerakják.
Bár az tény, hogy a személyiségi jogok védelme érdekében az adatfolyamokból a neveket eltávolították, ám genetikai kódjuk alapján a páciensek azonosíthatóak. Így aztán a hatalmas mennyiségű adat továbbra is érdekes kihívásokat jelent a mesterséges intelligencia és az algoritmusok számára. Ezért gondot jelenthet az is, hogy a digitális algoritmusokat készítő számítógépes szakemberek szándékosan bevezethetik a faji és demográfiai elfogultságot is.
Itthon is fejlődik az MI, csak alig tudni róla…
Ha a magyar egészségügyről beszélünk, nem a modernitás jut az eszünkbe azonnal, leginkább azért, mert a magyar kórházak nagy része híresen alulfizetett és munkaerő-hiányos, és a háziorvosi gyakorlat is hagy időnként kívánnivalót maga után. Ha orvoshoz megyünk, inkább csak egy fehér köpenyes, sztetoszkópos személyt látunk, és csak ritkán vesszük észre a munkáját segítő gépi hátteret. Pedig a big data korszakában a kezelőorvos sem lehet meg az MI nélkül! Sőt, a big data talán egyik legfontosabb hasznosítási területe az egészségügy – még itthon is.
Dr. Szócska Miklós, a SOTE Egészségügyi Közszolgálati Karának dékánja a közelmúltban egy szimpóziumon arról beszélt, mit lehet tenni azzal az elképesztő adatmennyiséggel, amit mindennap generálunk. A tajszámok és az irányítószámok alapján rengeteg információt lehet kinyerni a járulékos adattömegből arra nézve, hogy ki hová jár orvoshoz, mekkora az elvándorlás, ráadásul a big data segítségével az is látszik, hogy melyik praxisban milyen problémákkal kezelik a legtöbb ember. Az irányítószám alapján például meg lehet mondani, hány ember veszi igénybe a saját megyéjében az orvosi ellátást, és aki máshol, az hová vándorol, milyen betegséggel hova megy inkább. Az adatok segítségével az onkológiai ellátáson is lehet javítani: például meg lehet mondani, hogy milyen rákfajtával hová mennek az emberek orvoshoz, és kihez fordulnak másodvéleményért. Ez azért fontos, mert így látszik, mely területeket kellene fejleszteni, és hol igazán jó valamelyik ellátás.
Ráadásul mindehhez nagyon szép infografikákat és adatvizualizációkat is lehet készíteni a könnyebb átláthatóság érdekében a döntéshozók számára is. Ezen bemutathatjuk azt, hogy valamely intézmény vagy akár egy adott orvos jobban végzi a munkáját, mint a másik. Például: hamarabb diagnosztizálják a szívpanaszokat (alacsony a szívinfarktus aránya, magas a mellkasfájdalomé), vagy egyszerűen azt is, hogy idősebbek a betegek a praxisban és több egészségügyi problémájuk van.
De a statisztika akár csalóknak is segíthet, ha például mást adnak le az orvosok, mint ami ténylegesen a beteg baja volt. Ezt az adatok emberi feldolgozásával és a problémák ellenőrzésével lehet megoldani. Ezzel pedig eljutottunk a régi kérdésre (ha minden adatot gépek fognak elemezni, akkor hol marad az ember?) adható egyik nagyon fontos válaszhoz: a gépek nem elveszik az emberek munkáját, hanem megkönnyítik, felgyorsítják azt! A különböző intézményekben a patológusok több ezer mintát elemeznek, jelzik a gépeknek, hogy mely szövetek abnormálisak, és ennek alapján a gép képes megtanulni, hogy mit keressen később az élő páciensek mintáiban is. (Ez már csak azért is pozitívum, mert Magyarországon erőteljesen fogy a patológusok száma, a maradóknak pedig nagy segítség, ha a mesterséges intelligencia a beletáplált adatmennyiség segítségével megállapítja, hogy mire figyeljen és mely mintákat kell vizsgálnia.) Az orvosok munkája ezzel felgyorsul és pontosabbá válik: a gépek megmutatják, kire és mire kell jobban figyelni, azonban az utolsó szó mindig az emberé, az orvosé marad!
Már ma is eredményesen használják a 4.0 vívmányait a vastagbélrák, a tüdőrák szűrésében, mammográfiás vizsgálatok során. (Például a tüdőszűrés mesterséges intelligenciával való támogatása megoldást jelent az előleletezés, a gépi annotálás és a térfogatelemzés során.) A Debreceni Egyetemen a mesterséges intelligenciát 1500 pozitív eset alapján tanították be egy algoritmusra. Ne feledjük: az adatok mindig léteztek, ám az algoritmusok teszik lehetővé, hogy működőképesek is legyenek!
A BlueDot előre jelezte a világjárványt!
A kórházak továbbra is olyan helyek, ahol sok, elkerülhető károsodás megtörténhet. A mesterséges intelligencia használatának tagadhatatlan előnye, hogy segíthet megelőzni az orvosi hibákat, a hamis diagnózisokat és megjelölheti azokat az embereket, akik a leginkább veszélyeztetettek egy adott betegség, állapot szempontjából. Már csak arra van szükség, hogy oda is figyeljünk az intő jelekre.
Az új koronavírus okozta világjárvány már jóval hamarabb elkezdődött, mint azt a kínaiak bevallották volna: már 2019. december elején találtak gyanús eseteket. A WHO is késlekedett, csak január 9-én adott ki először tájékoztatást az atipikus tüdőgyulladásos járványról. Arról, hogy epidémiává eszkalálódhat a helyzet, elsőként a kanadai BlueDot adott jelzést. Egy mesterséges intelligencia által hajtott algoritmus segítségével már aznap jelezte a felhasználóinak a járványt, amikor Vuhanban még csak bejelentették az első feltételezett eseteket. A BlueDot ráadásul nemcsak a járványról tudósított rekordsebességgel, hanem azt is helyesen jósolta meg, hogy a vírus merre terjed majd tovább.
A történet gyökereihez a kétezres évek elején tomboló SARS-járványig kell visszamenni, azon belül is addig a pontig, amikor a vírus Hongkongból átjutott a kanadai Torontóba. Egy járvány- és közegészségügyi kérdésekre specializálódott doktor, Kamran Khan a közvetlen közelből élte át az eseményeket. Ekkor döntötte el, hogy kidolgoz egy módszert, amellyel hatékonyabban lehet nyomon követni a betegségeket.
2008-ban létrehozott egy tudományos kutatóprogramot BioDiaspora néven, és elkezdte vizsgálni, hogyan köti össze a világ lakosságát a kereskedelmi repülés. A projekt keretében sikerült előre jeleznie a 21. század első nagy influenzajárványának terjedését, 2012-ben pedig az angol hatóságokkal közösen beazonosították a londoni olimpia járványügyi kockázatait. Az igazi áttörés végül 2014-ben jött el, amikor több milliárd útiterv elemzésével sikeresen jósolta meg az ebola kitörési módját és idejét Nyugat-Afrikából. (Ebben az évben vette fel a cég a BlueDot nevet.) Később a Brazíliából kiinduló Zika-vírus esetében sem fogtak mellé, és kockázatelemzési modelljeikkel fél évvel előbb figyelmeztettek egy floridai járványra, mintsem az kitört volna.
A BlueDot MI-vezérelt algoritmust használ, amely természetes nyelvi feldolgozást és gépi tanulást alkalmazva fésüli át a híradásokat 65 nyelven, majd ezekhez hozzáveszi a repülési információkat és az állatok körében pusztító tömeges megbetegedések adatait is. Ennek az eredménye, hogy jó közelítéssel előre tudja jelezni a járványok kitörését és terjedését. Az algoritmus nem veszi figyelembe a közösségi médiát – Khan szerint ugyanis az itt megjelenő adatok nem elég megbízhatóak az elemzéshez. Ddöntésének helyességét látszik igazolni a kínai hatóságok hagyományosnak mondható magatartása: nem szeretnek beszélni a járványokról. [Itt elég csak arra gondolni, hogy a SARS esetében is hónapokig titkolóztak (az egészségügyi szervezetek azonban mindezek dacára is csak rájuk hagyatkozhatnak, ha információhoz szeretnének jutni).] A részletekbe belelátó szakértő tisztában van azzal, hogy krízishelyzetekben nem feltétlenül számíthat arra, hogy a hivatalos szervektől időben választ kap. Ugyanakkor figyelembe veszi a különféle blogokat és fórumokat, így már akkor elkaphatja az információmorzsákat és a szokatlan eseményeket, amikor gyakorlatilag még senki sem tud róluk. Az algoritmus a repülőjegyek értékesítési adataiból a vírus terjedési útvonalát is meg tudja jósolni. Ez most is sikerült: az algoritmus helyesen jósolta meg, hogy Vuhanból kiindulva pár napon belül Bangkokban, Szöulban, Tajpejben és Tokióban üti majd fel a fejét.
A folyamatosan fejlődő algoritmus képes különbséget tenni egy Mongóliában kitörő anthrax-járvány és az Anthrax nevű thrash metál zenekarról szóló hírek között, de az átfésült adatokat azért emberi epidemiológusok is elemzik. Ha a szakemberek úgy látják, hogy a levont következtetések tudományosan megállják a helyüket, a BlueDot már küldi is a jelentést minden partnerének a közelgő járványról. A cég a nagyközönséggel egyelőre még nem osztja meg az adatait, de az alapító elmondta, hogy dolgoznak ennek megvalósításán.
