Tutkimus tutkii, miten voidaan vähentää riskejä käyttämällä tekoälyä lääketieteessä

TeKO-ohjelmat ovat kykeneviä parantamaan terveydenhuoltoa monin eri tavoin. Esimerkiksi tekoälysovellukset voivat käyttää tietokoneen näköaistia auttamaan lääkäreitä diagnosoimaan tiloja röntgenkuville ja magneettikuville. Konenäöalgoritmit voidaan myös käyttää auttamaan vähentämään väärän positiivisen tuloksen määrää etsimällä ihmisille havainnomattomia kuvioita terveystiedoista. Kuitenkin, mahdollisuuksien myötä tulee uusia haasteita, ja äskettäin uusi artikkeli julkaistiin Science -lehdessä, joka tutki mahdollisia riskejä ja sääntelystrategioita lääketieteellisten konenäötekniikoiden osalla pyrkimyksenä vähentää mahdollisia negatiivisia sivuvaikutuksia tekoälyn käytöstä lääketieteellisessä yhteydessä.

Laajenevat sovellukset tekoälylle terveydenhuollossa

TeKO näkee sovelluksensa laajenevan nopeasti terveydenhuollon alalla. Viimeaikaiset kehityssuunnat terveydenhuollossa, joita tekoäly on ajamassa, sisältävät uuden lääkeyrityksen luomisen, joka pyrkii käyttämään tekoälyä uusien lääkeaineiden kehittämiseen, tekoälyohjattujen etäterveydenvalvontalaitteiden luomisen ja tietokoneen näkösohjelmien, jotka analysoivat tietokonekuvalaitteita ja röntgenkuvia.

Tarkemmin sanottuna Genesis Therapeutics on startup-yritys, joka pyrkii käyttämään tekoälyä nopeuttaakseen lääkeaineiden kehittämisen prosessia, toivoen luoda lääkkeitä, jotka voivat vähentää vaikeiden sairauksien vakavuutta. Genesis Therapeutics on vain yksi lähes 170:sta eri yrityksestä, jotka käyttävät tekoälyä uusien lääkeformuloiden tutkimiseen. Samaan aikaan terveydenvalvontalaitteiden osalta iRhythm (IRTC ) ja ranskalainen tekoälystartup Cardiologs käyttävät tekoälyalgoritmeja analysoimaan EEG-dataa ja seuraamaan terveyttä niiden, joilla on sydänongelmia ja ovat alttiina komplikaatioille. Yritysten kehittämä ohjelmisto voi havaita sydämen mölinät, tilan, joka johtuu turbulentista verenvirtauksesta.

Lopulta, äskettäinen tutkimus, joka tutki, miten tietokoneen näköaista voidaan soveltaa lääketieteellisiin kuviin, totesi, että tietokoneen näköjärjestelmät suoriutuvat vähintään yhtä hyvin tai paremmin kuin asiantuntijaradiologit, kun he tarkastelevat tietokonekuvalaitteita pienen verenvuodon havaitsemiseksi. Tutkimuksessa käytetyt algoritmit pystyivät tekemään ennusteita tarkasteltuaan tietokonekuvalaitteita vain yhden sekunnin ajan. Tietokoneen näköjärjestelmät pystyivät myös sijoittamaan verenvuodon aivojen sisällä.

Joten, vaikka tekoälyn käytön mahdolliset hyödyt terveydenhuollossa ovat selvät, mitä vähemmän selvää on, mitkä uudet haasteet ja riskit syntyvät sivutuotteina tekoälyn käytöstä terveydenhuollon alalla.

Sääntely laajenevassa alalla

Kuten TechXplore raportoi, arvioidakseen mahdollisia haittoja tekoälyn käytöstä terveydenhuollossa, tutkijaryhmä julkaisi äskettäin paperin Science -lehdessä, jossa pyrittiin löytämään vastauksia odottamattomiin ongelmien ennakointiin ja mahdollisten ratkaisujen etsimiseen. Ongelmat, jotka voivat syntyä tekoälyn käytöstä terveydenhuollon alalla, sisältävät sopimattomien hoidon suositusten aiheuttamat vammat, tietosuojauksen huolenaiheet ja algoritmisen harhan/epätasa-arvon.

Elintarvike- ja lääkevirasto on hyväksynyt ainoastaan “lukittujen algoritmien” käytön lääketieteellisessä tekoälyssä, algoritmeja, jotka tuottavat aina saman tuloksen, kun ne suoritetaan. Kuitenkin suurin osa tekoälyn mahdollisuuksista piilee sen kyvyssä oppia ja reagoida uusiin syötteisiin. Jotta “sopeutuvat algoritmit” voivat nähdä laajempaa käyttöä ja saada hyväksynnän Elintarvike- ja lääkevirastolta, paperin kirjoittajat tarkastelivat yksityiskohtaisesti, miten algoritmien päivittämiseen liittyvät riskit voidaan lieventää.

Kirjoittajat ovat sitä mieltä, että konenäköinsinöörit ja tutkijat tulisi keskittyä jatkuvasti mallien seuraamiseen niiden käyttöön liittyvän eliniän aikana. Ehdotetuista työkaluista tekoälyjärjestelmien seuraamiseen kuului tekoäly itsessään, joka voisi antaa automaattisia raportteja siitä, miten tekoäly toimii. On myös mahdollista, että useat tekoälylaitteet voivat seurata toisiaan.

“Riskejä hallitakseen sääntelijöiden tulisi keskittyä erityisesti jatkuvaan seuraamiseen ja riskien arviointiin ja vähemmän tuleviin algoritmien muutoksiin suunnittelussa”, sanoivat paperin kirjoittajat.

Paperin kirjoittajat suosittelevat myös, että sääntelijöiden tulisi keskittyä uusien menetelmien kehittämiseen riskejä tunnistamaan, seuraamaan, arvioimaan ja hallitsemaan. Paperi soveltaa monia menetelmiä, joita Elintarvike- ja lääkevirasto on käyttänyt säätelemään muita lääketieteellisiä teknologioita.

Kuten paperin kirjoittajat selittivät:

“Tavoitteemme on korostaa riskejä, jotka voivat syntyä odottamattomista muutoksista siinä, miten lääketieteelliset tekoäly-/konepäätösjärjestelmät reagoivat tai sopeutuvat ympäristöönsä. Hillittyjä, usein tunnistamattomia parametrin päivityksiä tai uusia tietotyyppejä voidaan aiheuttaa suuria ja kalliita virheitä.”