Η Τεχνητή Νοημοσύνη θα μπορούσε να λειτουργήσει ως ισχυρή ασπίδα προστασίας απέναντι στην ιατρική «υπερθεραπεία» – την προφύλαξη δηλαδή των ασθενών από αχρείαστες και συχνά πολυδάπανες επεμβάσεις. Όταν ένας αλγόριθμος στο μέλλον θα μας δείχνει με αντικειμενικά στοιχεία ότι ένας ασθενής δεν κινδυνεύει άμεσα ή δεν θα ωφεληθεί από ένα βαρύ χειρουργείο, γίνεται πολύ πιο δύσκολο για έναν μη έντιμο επαγγελματία να δικαιολογήσει και να προχωρήσει σε μια περιττή επέμβαση. Επιπλέον, ο ασθενής, η διοίκηση ενός νοσοκομείου αλλά και ο ασφαλιστικός φορέας θα έχουν στη διάθεσή τους ένα αντικειμενικό, μετρήσιμο εργαλείο ελέγχου που θα περιορίζει την αυθαιρεσία.
Η Τεχνητή Νοημοσύνη θα μπορούσε – πιθανόν στο άμεσο μέλλον – όχι μόνο να κάνει ακριβέστερες προγνώσεις, αλλά να λειτουργεί και ως μηχανισμός διαφάνειας που θα αναγκάζει το όποιο σύστημα υγείας να παραμείνει εστιασμένο αποκλειστικά στο πραγματικό συμφέρον του ασθενούς.
Αυτές είναι μερικές σκέψεις, με αφορμή τη δημοσίευση του άρθρου των ερευνητών Raymond Mak et al, με τίτλο «Foundation artificial intelligence models for health recognition by use of face photographs (FAHR-Face): a model development and validation study» στο περιοδικό Lancet Digital Health.
Στο εν λόγω άρθρο ερευνάται το μακάβριο ερώτημα αν «Μπορεί η Τεχνητή Νοημοσύνη να προβλέψει αν θα πεθάνετε από καρκίνο εξετάζοντας μια απλή εικόνα του προσώπου σας;»
Το μοντέλο ΤΝ εκπαιδεύτηκε αρχικά με περισσότερες από 40 εκατομμύρια φωτογραφίες προσώπων και στην συνέχεια προσαρμόστηκε, για την πρόβλεψη της επιβίωσης ασθενών με καρκίνο, με βάση τις φωτογραφίες περίπου 34.000 ασθενών. Αν και δεν είναι απόλυτα ακριβής, διαπιστώθηκε ότι μπορεί να προβλέψει τις πιθανότητες επιβίωσης ενός ασθενούς με καρκίνο από μια και μόνο φωτογραφία του προσώπου του.
Το μοντέλο Τεχνητής Νοημοσύνης βασίζεται στον τρόπο με τον οποίο οι γιατροί αξιολογούν την υγεία των ασθενών τους, λέει ο Ray Mak, ογκολόγος-ακτινοθεραπευτής στο Ινστιτούτο Καρκίνου Mass General Brigham, ο οποίος διεξήγαγε την έρευνα με τους συνεργάτες του.
«Εκπαιδευόμαστε στην ιατρική σχολή να κοιτάμε τον ασθενή και να κάνουμε μια εκτίμηση για το πόσο υγιής, αδύναμος ή άρρωστος είναι», λέει ο Mak. Αυτή η απόφαση μπορεί να βοηθήσει στον καθορισμό της θεραπείας που θα λάβει ένας ασθενής: χειρουργική επέμβαση, χημειοθεραπεία, ακτινοβολία και άλλα. Το πρόβλημα, λέει ο Mak, είναι ότι «αυτή είναι πραγματικά μια υποκειμενική αξιολόγηση».
Ο Mak και η ομάδα του ελπίζουν ότι η ΤΝ θα μπορούσε να βοηθήσει γιατρούς και ασθενείς να λάβουν πιο ενημερωμένες, αντικειμενικές αποφάσεις σχετικά με τη θεραπεία του καρκίνου.
Οι ερευνητές αναφέρουν στην δημοσίευσή τους ότι, «Από όσα γνωρίζουμε, αυτή είναι η πρώτη αναφορά ενός αλγορίθμου τεχνητής νοημοσύνης που μπορεί να προβλέψει άμεσα την επιβίωση ασθενών με καρκίνο από μια απλή φωτογραφία προσώπου».
Η ελπίδα των ερευνητών είναι ότι τελικά, ένα μοντέλο τεχνητής νοημοσύνης όπως αυτό θα μπορούσε να αναπτυχθεί στα νοσοκομεία και να χρησιμεύσει ως ένα επιπλέον σημείο δεδομένων στη λήψη αποφάσεων των γιατρών. Θα μπορούσε επίσης να λειτουργήσει ως σύστημα έγκαιρης προειδοποίησης για ασθένειες.
Προς το παρόν, η ΤΝ δεν είναι έτοιμη για κλινική χρήση. Πρώτον, το μοντέλο επιβίωσης από καρκίνο εκπαιδεύτηκε σε έναν πληθυσμό καρκινοπαθών της περιοχής της Βοστώνης που ήταν κυρίως λευκοί. Ο Mak και οι συνεργάτες του εργάζονται για να επεκτείνουν τα σύνολα εκπαίδευσης ώστε να συμπεριλάβουν μεγαλύτερη ποικιλομορφία προσώπων.
Βέβαια, η πιθανότητα η ΤΝ να έχει οποιονδήποτε ρόλο στον καθορισμό του προγραμματισμού θεραπείας ενός ασθενούς εγείρει σαφή ηθικά ερωτήματα. Σύμφωνα με τον Matthew Liao, καθηγητή και διευθυντή του Κέντρου Βιοηθικής στο Πανεπιστήμιο της Νέας Υόρκης, ο οποίος δεν συμμετείχε στην συγκεκριμένη έρευνα, η δημοσίευση ήταν «ενδιαφέρουσα» και αυτού του είδους το εργαλείο θα μπορούσε να είναι χρήσιμο για τον εντοπισμό ανθρώπων που μπορεί να είναι άρρωστοι και να χρειάζονται επιπλέον φροντίδα. Ωστόσο, σημειώνει ότι είναι πιθανό ένας αλγόριθμος ΤΝ να κάνει λάθος και να αναγνωρίσει εσφαλμένα τους ασθενείς ως υγιείς ή όχι. Ο Liao έθεσε επίσης το ζήτημα των ασφαλιστικών εταιρειών που θα μπορούσαν να χρησιμοποιήσουν αυτού του είδους την τεχνολογία για να αρνηθούν ασφαλιστική κάλυψη ή των εργοδοτών που θα την χρησιμοποιούσαν για να προσλάβουν έναν υποψήφιο που κρίνεται «πιο υγιής» σε σχέση με κάποιον άλλο.
Δίκιο έχει και ο Matthew Liao, αλλά αυτά που αναφέρει είναι άλλη μια κακή χρήση της τεχνολογίας που θα μπορούσε εύκολα να αποφευχθεί, εφόσον υπήρχε η απαραίτητη πολιτική βούληση και κατάλληλο ρυθμιστικό πλαίσιο.
διαβάστε περισσότερες λεπτομέρειες ΕΔΩ: https://www.scientificamerican.com/article/can-ai-predict-whether-youll-die-from-cancer-from-just-an-image-of-your-face/
Κατηγορίες:ΙΑΤΡΙΚΗ, ΡΟΜΠΟΤ, ΤΕΧΝΟΛΟΓΙΑ, ΥΠΟΛΟΓΙΣΤΕΣ
Σχολιάστε