Штучний інтелект продовжує розвиватися і вже зараз здатен діагностувати певні захворювання з більшою швидкістю і точністю, ніж лікарі. Тому деякі люди припускають, що незабаром в майбутньому технологія буде здатна замінити лікарів в завданнях, які вони виконують. Але нове дослідження, проведене командою Google AI, показує, що сумісна робота лікарів та алгоритмів є більш ефективною, ніж їх праця поодинці. Це дослідження є одним із перших, в якому вивчають як штучний інтелект може покращити швидкість та точність встановлення діагнозу лікарем.
Це дослідження розширює попередню роботу Google AI, яка показує, що створений ними алгоритм працює приблизно так само добре, як і живі експерти, при скринінгу діабетичної ретинопатії у пацієнтів. В цьому дослідженні команда захотіла побачити чи здатен цей алгоритм на щось більше, ніж просто встановлення діагнозу. Вони хотіли створити нову комп’ютер-асистовану систему, яка б могла “пояснити” діагноз алгоритму. Було виявлено, що ця система не тільки покращила точність діагнозів офтальмологів, але й покращила точність самого алгоритму.
Більше 29 мільйонів американців мають цукровий діабет і, відповідно, ризик розвитку діабетичної ретинопатії – хвороби, яка потенціально призводить до втрати зору. Як правило, на ранніх етапах хвороби люди не помічають змін зору. Але при прогресуванні діабетична ретинопатія викликає втрату зору, яку неможливо відновити. Саме тому важливими є щорічні скринінги для людей, які хворіють на цукровий діабет. Нажаль, їх точність може дуже сильно варіювати. Є дослідження, що виявило частоту помилок у розмірі 49% серед терапевтів, діабетологів та клінічних ординаторів.
Останні досягнення в галузі штучного інтелекту (AI) обіцяють полегшити доступність скринінгу діабетичної ретинопатії та покращити її точність. Але менше стає зрозумілим те, як працюватиме штучний інтелект в кабінеті лікаря або інших клінічних умовах. Попередні спроби використання комп’ютер-асистованої діагностики показали, що деякі спеціалісти занадто покладаються на результати, які дає машина, що призводить до повторення помилок, які вона робить. Інші ж лікарі навпаки ігнорують діагнози алгоритму, які потім виявлялись правильними. Дослідники з Google AI вважають, що таких помилок можна уникнути, якщо комп’ютер зможе “пояснювати” свої прогнози.
Для перевірки теорії, було розроблено два типи допомоги, щоб дати лікарям краще зрозуміти та прочитати прогнози алгоритму.
- Ранжування: шкала з п’яти балів, яка відображає силу доказів прогнозування алгоритму.
- Ранжування + теплова карта: доповнює систему ранжування тепловою картою, яка вимірює внесок кожного пікселя в зображенні для прогнозування алгоритму.
Десятьом офтальмологам (чотири загальні офтальмологи; один, нвчений за межами США; чотири ретинальні спеціалісти; і один ретинальний спеціаліст, що проходив навчання) було запропоновано прочитати кожне із обраних зображень по одному разу за однієї з трьох умов: без допомоги штучного інтелекту, тільки з системою ранжування, з системою ранжування та теплових карт.
Обидва типи допомоги покращили точність діагностування хвороби лікарями. Така система також поліпшила й їхню довіру до діагнозу. Але ступінь покращення залежав від рівня знань самих лікарів.
Без допомоги, загальні офтальмологи були значно менш точними, ніж алгоритм. В той час, як спеціалісти по сітківці були незначно кращими за нього. Вже з допомогою штучного інтелекту, загальні офтальмологи досягли точності рівня системи, а ретинальні спеціалісти значно підсилили ефективність комп’ютерної моделі.
“Ми виявили, що штучний інтелект може зробити більше, ніж автоматизацію скринінгу очей, він може допомогти лікарям більш точно діагностувати діабетичну ретинопатію. Штучний інтелект та лікарі можуть бути більш точними, коли працюють разом, а не поодинці”, – каже головний дослідник Rory Sayres, PhD.
Подібно до попередніх медичних технологій, штучній інтелект є ще одним інструментом, який зробить знання, навички та судження лікарів більш важливими для забезпечення якісної допомоги.
Sayres пояснює, що є аналогія в керуванні автомобілем: “Є авто, що управляють самі собою, а є інструменти, які допомагають водіям, як Android Auto. Перший варіант це автоматизація, другий – доповнення. Результати нашого дослідження показують, що існує простір для покращення для класифікування медичних зображень, таких як зображення очного дна. Коли поєднання клініциста та штучного інтелекту випереджає їх роботу порізно, то це є аргументом для підвищення рівня клініцистів за допомогою AI інструментів”.
Оригінальна стаття була опублікована 19 березня 2018 року на сайті American Academy of Ophthalmology.
Повне дослідження було опубліковане в журналі Ophthalmology в квітні 2019 року.
