Människor och AI på samma nivå när det gäller att tolka medicinska bilder

Enligt en expertstudie publicerad i den brittiska tidskriften The Lancet Digital Health, har den artificiella intelligensen nu nått en nivå där den är på samma nivå som humana experter när det gäller att göra medicinska diagnoser baserat på bilder. Som den brittiska dagstidningen The Guardian uttrycker det, är “potentialen för artificiell intelligens inom hälso- och sjukvården spännande, med förespråkare som säger att det kommer att lindra belastningen på resurser, frigöra tid för läkare-patientinteraktioner och till och med bidra till utvecklingen av skräddarsydd behandling.” Tidningen tillägger att i augusti 2019 meddelade den brittiska regeringen 250 miljoner pund i finansiering för ett nytt NHS-artificiellt intelligenslaboratorium.

I sin rapport fokuserade teamet av experter ledda av dr Xioan Liu och prof Alastair Denniston, vid University Hospitals Birmingham NHS foundation trust och andra medförfattare på forskningsartiklar som publicerats sedan 2012. De ansåg att 2012 var ett avgörande år för djupinlärning, något som är viktigt för att använda AI vid tolkning av medicinska bilder, när “en serie märkta bilder matas in i algoritmer som plockar ut funktioner inom dem och lär sig att klassificera liknande bilder. Denna metod har visat sig vara lovande vid diagnostisering av sjukdomar från cancer till ögonsjukdomar.”

Till en början hittade forskarna mer än 20 000 relevanta studier, men endast 14 av dem som baserades på humana sjukdomar gav dem kvalitetsdata som de kunde använda, “testade djupinlärningssystemet med bilder från en separat dataset än den som användes för att träna det, och visade samma bilder för humana experter.”

Baserat på resultaten från dessa 14 studier drog expertteamet slutsatsen att “djupinlärningssystemen korrekt upptäckte en sjukdomstillstånd 87 procent av tiden – jämfört med 86 procent för hälso- och sjukvårdspersonal – och korrekt gav ett rent skjul 93 procent av tiden, jämfört med 91 procent för humana experter.”

När det gäller studien sa prof Denniston att samtidigt som “resultaten var uppmuntrande, men studien var en verklighetscheck för en del av hypen kring AI.” Han förblev ändå optimistisk om användningen av AI inom hälso- och sjukvården och sa att “sådana djupinlärningssystem kunde fungera som ett diagnostiskt verktyg och hjälpa till att hantera bakloggen av skannade bilder.” Dr. Liu tyckte också att “de kunde visa sig vara användbara på platser som saknar experter för att tolka bilder.”

På andra sidan av Atlanten, och relaterat till användningen av AI inom medicin, meddelades det att Mayo Clinic i Minnesota, som enligt Wired var “början på modern medicinsk journalhantering i USA”, kommer att samarbeta med Google för att säkert lagra “sjukhusets patientdata i en privat del av företagets moln. Det är ett byte från Microsoft Azure, där Mayo har lagrat patientdata sedan maj förra året när de slutförde ett årslångt projekt för att få alla sina vårdplatser på ett enda elektroniskt journalsystem.” Vid den tiden kallades det Project Plummer, efter Henry Plummer, uppfinnaren av Mayo Clinics journalsystem.

Som Wired påpekar är Google redan involverad i andra insatser för att använda AI inom hälso- och sjukvården, med experiment som att läsa medicinska bilder, att analysera genomer, att förutsäga njursjukdom och att screena för ögonproblem orsakade av diabetes. Baserat på det tioåriga samarbetet “planerar Google att släppa loss sin djupa AI-expertis på Mayos enorma samling av kliniska register. Teknikjätten planerar också att etablera en kontor i Rochester, Minnesota, för att stödja samarbetet, men vägrade att säga hur många anställda som kommer att arbeta där eller när det kommer att öppna.”

För att övervinna eventuella regulatoriska och juridiska problem som Google tidigare har haft, som det med “en app som heter Streams som dess dotterbolag DeepMind utvecklar till en AI-driven assistent för läkare och sjuksköterskor,” har Mayo Clinic meddelat att “Google kommer att kontraktually förbjudas från att kombinera Mayo-kliniska data med någon annan dataset, enligt en sjukhusrepresentant. Det betyder att all data som Google har om en person genom sina konsumentinriktade tjänster, som Gmail, Google Maps och YouTube, inte kan kombineras med cachade Mayo-medicinska register.”