Περίληψη άρθρου:
Ερευνητές του TU Wien και του Ιατρικού Πανεπιστημίου της Βιέννης ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης (AI) - με τη βοήθεια εκτεταμένων δεδομένων από μονάδες εντατικής θεραπείας διαφόρων νοσοκομείων - που παρέχει προτάσεις θεραπείας για ασθενείς που χρήζουν εντατικής θεραπείας με σήψη, ξεπερνώντας την ποιότητα των ανθρώπινων αποφάσεων. Η τεχνητή νοημοσύνη έχει σχεδιαστεί για να αποτελέσει ένα πρόσθετο εργαλείο για το ιατρικό προσωπικό, το οποίο θα μπορεί να συμβουλεύεται και να συγκρίνει με τις δικές του εκτιμήσεις. Ωστόσο, είναι πλέον σημαντικό να συζητηθούν και οι νομικές πτυχές αυτών των μεθόδων.

Κύρια σημεία του άρθρου:

• Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για τη λήψη αποφάσεων στην ιατρική περίθαλψη, όπως για παράδειγμα στη διάγνωση και τις προτάσεις θεραπείας για τη σήψη.
• Οι δυνατότητες της τεχνητής νοημοσύνης ήδη ξεπερνούν τους ανθρώπους όσον αφορά τα ποσοστά θεραπείας.
• Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί ως πρόσθετη συσκευή για να βοηθήσει το ιατρικό προσωπικό.
• Πρέπει να συζητηθούν σημαντικά νομικά ζητήματα προκειμένου να διασφαλιστεί η ασφαλής και αποτελεσματική χρήση της ΤΝ στην ιατρική περίθαλψη.

Αναλυτικά το άρθρο:
Βέλτιστη χρήση των υφιστάμενων δεδομένων
"Σε μια μονάδα εντατικής θεραπείας, συλλέγονται πολλά διαφορετικά δεδομένα όλο το εικοσιτετράωρο. Οι ασθενείς παρακολουθούνται συνεχώς ιατρικά. Θέλαμε να διερευνήσουμε κατά πόσον αυτά τα δεδομένα θα μπορούσαν να χρησιμοποιηθούν ακόμη καλύτερα από ό,τι πριν", λέει ο καθηγητής Clemens Heitzinger από το Ινστιτούτο Ανάλυσης και Επιστημονικών Υπολογιστών του TU Wien (Βιέννη). Είναι επίσης συνδιευθυντής του διαπανεπιστημιακού "Κέντρου Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης" (CAIML) στο TU Wien.

Το ιατρικό προσωπικό λαμβάνει τις αποφάσεις του βάσει τεκμηριωμένων κανόνων. Τις περισσότερες φορές, γνωρίζουν πολύ καλά ποιες παραμέτρους πρέπει να λάβουν υπόψη τους προκειμένου να παράσχουν την καλύτερη δυνατή φροντίδα. Ωστόσο, ο υπολογιστής μπορεί εύκολα να λάβει υπόψη του πολύ περισσότερες παραμέτρους από ό,τι ένας άνθρωπος - και σε ορισμένες περιπτώσεις αυτό μπορεί να οδηγήσει σε ακόμη καλύτερες αποφάσεις.

Ο υπολογιστής ως παράγοντας σχεδιασμού
"Στο έργο μας, χρησιμοποιήσαμε μια μορφή μηχανικής μάθησης που ονομάζεται ενισχυτική μάθηση", λέει ο Clemens Heitzinger. "Αυτό δεν αφορά μόνο την απλή κατηγοριοποίηση - για παράδειγμα, το διαχωρισμό ενός μεγάλου αριθμού εικόνων σε εκείνες που εμφανίζουν έναν όγκο και σε εκείνες που δεν εμφανίζουν - αλλά μια χρονικά μεταβαλλόμενη εξέλιξη, την εξέλιξη που είναι πιθανό να περάσει ένας συγκεκριμένος ασθενής. Μαθηματικά, πρόκειται για κάτι εντελώς διαφορετικό. Έχει γίνει ελάχιστη έρευνα από αυτή την άποψη στον ιατρικό τομέα".

Ο υπολογιστής γίνεται ένας πράκτορας που λαμβάνει τις δικές του αποφάσεις: αν ο ασθενής είναι καλά, ο υπολογιστής "ανταμείβεται". Εάν η κατάσταση επιδεινωθεί ή επέλθει ο θάνατος, ο υπολογιστής "τιμωρείται". Το πρόγραμμα του υπολογιστή έχει ως καθήκον να μεγιστοποιήσει την εικονική του "ανταμοιβή", αναλαμβάνοντας δράσεις. Με αυτόν τον τρόπο, εκτεταμένα ιατρικά δεδομένα μπορούν να χρησιμοποιηθούν για τον αυτόματο προσδιορισμό μιας στρατηγικής που επιτυγχάνει ιδιαίτερα υψηλές πιθανότητες επιτυχίας.

Ήδη καλύτερο από τον άνθρωπο
"Η σήψη είναι μία από τις πιο συχνές αιτίες θανάτου στην εντατική ιατρική και αποτελεί τεράστια πρόκληση για τους γιατρούς και τα νοσοκομεία, καθώς η έγκαιρη ανίχνευση και θεραπεία είναι ζωτικής σημασίας για την επιβίωση των ασθενών", λέει ο καθηγητής Oliver Kimberger από το Ιατρικό Πανεπιστήμιο της Βιέννης. "Μέχρι στιγμής, έχουν σημειωθεί ελάχιστες ιατρικές ανακαλύψεις στον τομέα αυτό, γεγονός που καθιστά την αναζήτηση νέων θεραπειών και προσεγγίσεων ακόμη πιο επείγουσα. Για τον λόγο αυτό, είναι ιδιαίτερα ενδιαφέρον να διερευνήσουμε τον βαθμό στον οποίο η τεχνητή νοημοσύνη μπορεί να συμβάλει στη βελτίωση της ιατρικής περίθαλψης εδώ. Η χρήση μοντέλων μηχανικής μάθησης και άλλων τεχνολογιών τεχνητής νοημοσύνης αποτελούν μια ευκαιρία για τη βελτίωση της διάγνωσης και της θεραπείας της σήψης, αυξάνοντας τελικά τις πιθανότητες επιβίωσης των ασθενών".

Η ανάλυση δείχνει ότι οι δυνατότητες της τεχνητής νοημοσύνης ήδη ξεπερνούν τους ανθρώπους: "Τα ποσοστά θεραπείας είναι πλέον υψηλότερα με μια στρατηγική ΤΝ από ό,τι με αμιγώς ανθρώπινες αποφάσεις. Σε μία από τις μελέτες μας, το ποσοστό θεραπείας όσον αφορά τη θνησιμότητα 90 ημερών αυξήθηκε κατά περίπου 3% σε περίπου 88%", λέει ο Clemens Heitzinger.

Φυσικά, αυτό δεν σημαίνει ότι θα πρέπει να αφήσει κανείς τις ιατρικές αποφάσεις σε μια μονάδα εντατικής θεραπείας μόνο στον υπολογιστή. Αλλά η τεχνητή νοημοσύνη μπορεί να λειτουργεί μαζί της ως πρόσθετη συσκευή και το ιατρικό προσωπικό μπορεί να τη συμβουλεύεται και να συγκρίνει τη δική του εκτίμηση με τις προτάσεις της τεχνητής νοημοσύνης. Τέτοιες τεχνητές νοημοσύνες μπορούν επίσης να είναι εξαιρετικά χρήσιμες στην εκπαίδευση.

Η συζήτηση για νομικά θέματα είναι απαραίτητη
Υπάρχουν σημαντικές νομικές προκλήσεις που σχετίζονται με τη χρήση της ΤΝ σε περιβάλλοντα υγειονομικής περίθαλψης και οι οποίες πρέπει να αντιμετωπιστούν πριν από την ευρεία υιοθέτηση. Μια από τις σημαντικότερες ανησυχίες είναι ο καθορισμός της ευθύνης για τυχόν λάθη που γίνονται από την ΤΝ - ένα άλλο ζήτημα είναι ποιος θα αναλάβει την ευθύνη για τις αποφάσεις που λαμβάνονται από το σύστημα ΤΝ σε σχέση με εκείνες που λαμβάνονται από έναν ανθρώπινο γιατρό. Ο Clemens Heitzinger δήλωσε ότι ενώ η ΤΝ μπορεί να χρησιμοποιηθεί αποτελεσματικά στην κλινική πρακτική με την τρέχουσα τεχνολογία, πρέπει να γίνει συζήτηση για τα κοινωνικά πλαίσια και τους νομικούς κανόνες για την αντιμετώπιση αυτών των ανησυχιών και τη διασφάλιση της ασφαλούς και ηθικής χρήσης της ΤΝ στην υγειονομική περίθαλψη.

Πηγή: Better than humans: Artificial intelligence in intensive care units