დღეს ხელოვნური ინტელექტის (AI) შესახებ დისკუსიებს თავს ვერავინ არიდებს. განსაკუთრებით ხშირად მსჯელობენ იმაზე, თუ რამდენად სასარგებლო შეიძლება იყოს ეს ტექნოლოგია.

ჭკვიანი სისტემები მეცნიერებისა და ჯანდაცვის სფეროებში მნიშვნელოვან გარდასახვას გვპირდება. AI-ს უკვე აქტიურად იყენებენ მედიკამენტების შესაქმნელად, სკანირების შედეგების ანალიზისთვის თუ სხვადასხვა პროცესის პროგნოზირებისთვის.

ჩინეთის ვიზუალური მეცნიერებისა და ტრანსლაციური ოფთალმოლოგიის ინსტიტუტის (BERI) მკვლევრებმა გადაწყვიტეს, კიდევ უფრო შორს წასულიყვნენ. მათ თვალის კლინიკის მართვა ალგორითმებს მიანდეს, პროცესების წარმართვას კი ექიმები ზედამხედველობდნენ. შედეგები სამეცნიერო ჟურნალში Nature Medicine გამოქვეყნდა.

სამედიცინო დაწესებულებას AI-TEC (AI-Agent Augmented Tsinghua Eye Clinic) უწოდეს. პროცესში ადამიანებიც მონაწილეობდნენ, მაგრამ კლინიკა თავიდანვე ისე დაპროექტდა, რომ ხელოვნური ინტელექტის შესაძლებლობები მაქსიმალურად გამოეყენებინათ. იგი მთლიანი სამუშაო პროცესის საფუძველი იყო და არა უბრალოდ დამატებითი ინსტრუმენტი.

ნაშრომში კვლევის ავტორები აღნიშნავენ, რომ ხელოვნური ინტელექტი პაციენტთან ურთიერთობის ყველა ეტაპზე გამოიყენებოდა. იგი ჩართული იყო როგორც წინასწარი კონსულტაციისა და თვალის სკანირების, ისე პაციენტთა შემდგომი მეთვალყურეობის პროცესებში.

"მკითხველს ვუზიარებთ ხელოვნური ინტელექტის დანერგვის პირველად გამოცდილებას. რეალური სამედიცინო ღირებულება მხოლოდ ალგორითმის მაღალი სიზუსტით არ იქმნება. ამისთვის საჭიროა, ტექნოლოგიამ გარდაქმნას კლინიკური სამუშაო პროცესი და სრულფასოვნად მოერგოს არსებულ სისტემას", — აღნიშნავენ კვლევის ავტორები ნაშრომში.

ექსპერიმენტის მსვლელობისას მკვლევრებმა რამდენიმე საინტერესო ტენდენცია გამოავლინეს. თავდაპირველად ალგორითმს გლაუკომისა და მაკულარული დეგენერაციის გამოვლენა უჭირდა. ვითარება მკვეთრად შეიცვალა მას შემდეგ, რაც გამოცდილმა ოფთალმოლოგებმა სისტემაში სკანირების 1 426 მაღალხარისხიანი გამოსახულება ჩატვირთეს, რომლებსაც შესაბამისი დაავადებების იარლიყები ჰქონდა დართული.

ახალი ბაზა ბევრად ეფექტიანი აღმოჩნდა, ვიდრე — საწყისი, რომელიც 27 ათასამდე დაბალი ხარისხისა და ნაკლებად დეტალურ ფოტოს მოიცავდა. მონაცემების განახლების შემდეგ სტანდარტიზებული დიაგნოსტიკური მაჩვენებლით, AUROC-ით, სისტემამ სიზუსტის 0,93-ზე მაღალი შედეგი აჩვენა. ეს მაჩვენებელი თანამედროვე წამყვანი სადიაგნოსტიკო სისტემების დონეს უტოლდება.

მნიშვნელოვანია ისიც, რომ ექიმების მიერ ტექნოლოგიის გამოყენების სიხშირე იცვლებოდა. დასაწყისში მედპერსონალი სისტემას აქტიურად იყენებდა, თუმცა დროთა განმავლობაში ეს მაჩვენებელი შემცირდა. მაგალითად, მეხუთე თვეს ჩატარებული 1 113 გამოკვლევიდან AI პროცესები მხოლოდ 41 შემთხვევაში (3,8%) გამოიყენეს.

სიტუაცია მას შემდეგ გამოსწორდა, რაც ინჟინრებმა ინტერფეისი გაამარტივეს. მათ დაწკაპუნებების საჭიროება და ხელით შესაყვანი მონაცემების მოცულობა შეამცირეს. შედეგად მომდევნო თვეში AI-ს გამოყენების მაჩვენებელმა 23 პროცენტს მიაღწია (1 126 გამოკვლევიდან 259 შემთხვევა).

"პირველადმა გამოცდილებამ აჩვენა, რომ ხელოვნურ ინტელექტზე მომუშავე ჯანდაცვის დანერგვა მთლიანი ეკოსისტემის გამოწვევაა. მისი ეფექტიანობა ცალკეული ალგორითმის სიმძლავრეზე კი არ არის დამოკიდებული, არამედ მონაცემთა ხარისხზე, სამუშაო პროცესის სიმარტივეზე, ექიმების ჩართულობაზე, სწორ მართვასა და გაზომვად კლინიკურ შედეგებზე", — განმარტავენ მკვლევრები.

მეცნიერებმა კიდევ ერთი მნიშვნელოვანი დასკვნა გამოიტანეს: ალგორითმის დასახვეწად ექიმებისგან უკუკავშირი ოპერატიულად უნდა მოდიოდეს და არა კვირების შემდეგ. ამრიგად, ექსპერიმენტის შედეგად სამი მთავარი პრინციპი გამოიკვეთა: ხარისხიანი მონაცემები, ოპტიმიზებული სამუშაო პროცესი და სწრაფი, რეგულარული უკუკავშირი.

"ხაზგასმით აღვნიშნავთ, რომ აუცილებელია პრაქტიკოს ექიმებსა და AI-ს მკვლევრებს შორის ადგილზე მჭიდრო თანამშრომლობა", — აცხადებენ ნაშრომის ავტორები.

მსგავსი ინოვაციური კლინიკები ჯერ მხოლოდ განვითარების საწყის ეტაპზეა, მაგრამ ამ მცირე მასშტაბის ექსპერიმენტმა აჩვენა, რომ სწორი მიდგომის შემთხვევაში პროექტს წარმატების დიდი შანსი აქვს. მეორე მხრივ, ამ ახალ მიდგომას საკმაოდ ბევრი გამოწვევა ახლავს თან. მაგალითად, ხელოვნური ინტელექტი საბოლოო შედეგზეა ორიენტირებული (აქვს თუ არა პაციენტს დაავადება) მაშინ, როცა ექიმი ჯერ სიმპტომებს აფასებს (მაგალითად, მხედველობის გაბუნდოვანებას).

სკანირების სურათის ზუსტი ანალიზი ავტომატურად არ ნიშნავს იმას, რომ პაციენტის მკურნალობის მეთოდები უმჯობესდება. შესაბამისად, მომავალში მსგავსი სისტემების შეფასებისას მხოლოდ მშრალ ტესტურ მაჩვენებლებზე არ უნდა გამახვილდეს ყურადღება.

"ასეთი სამედიცინო სისტემის წარმატება იმით უნდა შეფასდეს, თუ რამდენად შეიცვალა კლინიკური პროცესი და რამდენად გაუმჯობესდა პაციენტთა ჯანმრთელობის მდგომარეობა, და არა იმით, თუ რამდენად მაღალი ქულები აჩვენა ალგორითმმა ტესტირებისას", — დასძენენ მეცნიერები.