AI ir tikpat laba slimības diagnosticēšanā kā cilvēkiem
Pirmajā sistemātiskajā šāda veida pārskatā un metaanalīzē konstatēts, ka mākslīgais intelekts (AI) ir tikpat labs slimības diagnosticēšanai, pamatojoties uz medicīnisko tēlu, kā veselības aprūpes speciālisti. Tomēr ir nepieciešami vairāk augstas kvalitātes pētījumi.
Jauns raksts pārbauda esošos pierādījumus, mēģinot noteikt, vai AI var diagnosticēt slimības tikpat efektīvi kā veselības aprūpes speciālisti.
Pēc autoru zināšanām, tas ir, plaša pētnieku komanda, kuru vada profesors Alastair Denniston no Birmingemas Universitātes slimnīcu biroja NHS fonda Apvienotajā Karalistē, šis ir pirmais sistemātiskais pārskats, kurā AI veiktspēju salīdzina ar medicīnas speciālistiem visās slimībās.
Prof. Dennistons un komanda meklēja vairākas medicīnas datu bāzes visiem pētījumiem, kas publicēti no 2012. gada 1. janvāra līdz 2019. gada 6. jūnijam. Komanda publicēja savas analīzes rezultātus žurnālā Lancet Digital Health.
AI ir līdzvērtīgs veselības aprūpes speciālistiem
Pētnieki meklēja pētījumus, kas salīdzināja dziļu mācību algoritmu diagnostikas efektivitāti ar veselības aprūpes speciālistu diagnostiku, kad viņi bija uzstādījuši diagnozi, pamatojoties uz medicīnisko attēlveidošanu.
Viņi pārbaudīja ziņojumu kvalitāti minētajos pētījumos, to klīnisko vērtību un pētījumu noformējumu.
Turklāt, runājot par AI diagnostiskās veiktspējas novērtēšanu salīdzinājumā ar veselības aprūpes speciālistu pētījumu, pētnieki aplūkoja divus rezultātus: specifiskumu un jutīgumu.
“Jutīgums” nosaka varbūtību, ka diagnostikas rīks iegūst pozitīvu rezultātu cilvēkiem, kuriem ir šī slimība. Specifiskums attiecas uz diagnostikas testa precizitāti, kas papildina jutības mēru.
Atlases procesā tika iegūti tikai 14 pētījumi, kuru kvalitāte bija pietiekami augsta, lai tos iekļautu analīzē. Prof. Dennistons skaidro: "Mēs pārskatījām vairāk nekā 20 500 rakstu, taču mazāk nekā 1% no tiem bija pietiekami stingri izstrādāti un ziņoti, ka neatkarīgie recenzenti ļoti uzticējās saviem apgalvojumiem."
"Turklāt tikai 25 pētījumos AI modeļi tika apstiprināti ārēji (izmantojot medicīniskus attēlus no citas populācijas), un tikai 14 pētījumos tika salīdzināta AI un veselības aprūpes speciālistu darbība, izmantojot to pašu testa paraugu."
“Šajā nedaudzajos augstas kvalitātes pētījumos mēs atklājām, ka padziļināta mācīšanās patiešām var atklāt slimības, sākot no vēža līdz acu slimībām, tikpat precīzi kā veselības aprūpes speciālisti. Bet ir svarīgi atzīmēt, ka AI būtiski nepārsniedza cilvēku diagnozi. "
Prof. Alastair Denniston
Konkrētāk, analīzē tika konstatēts, ka AI 87% gadījumu var pareizi diagnosticēt slimību, turpretī veselības aprūpes speciālistu noteiktais precizitātes rādītājs bija 86%. Dziļo mācību algoritmu specifika bija 93%, salīdzinot ar cilvēkiem - 91%.
Aizspriedumi var pārspīlēt AI veiktspēju
Profesors Dennistons un viņa kolēģi arī pievērš uzmanību vairākiem ierobežojumiem, kurus viņi atrada pētījumos, kas pārbauda AI diagnostikas veiktspēju.
Pirmkārt, lielākajā daļā pētījumu AI un veselības aprūpes speciālistu diagnostikas precizitāte tiek pārbaudīta izolētā vidē, kas neatdarina regulāru klīnisko praksi, piemēram, atņemot ārstiem papildu klīnisko informāciju, kas viņiem parasti būtu nepieciešama diagnozes noteikšanai.
Otrkārt, saka pētnieki, lielākajā daļā pētījumu tika salīdzinātas tikai datu kopas, turpretim augstas kvalitātes diagnostikas veiktspējas pētījumiem būtu nepieciešams veikt šādus salīdzinājumus ar cilvēkiem.
Turklāt visi pētījumi cieta no sliktas ziņošanas, saka autori, un analīze neņēma vērā informāciju, kuras trūka minētajās datu kopās. "Lielākā daļa [pētījumu] nepaziņoja, vai trūkst datu, kāda ir to proporcija un kā trūkstošie dati tika apstrādāti analīzē," raksta autori.
Papildu ierobežojumi ietver nekonsekventu terminoloģiju, nepārprotami nenosaka slieksni jutīguma un specifiskuma analīzei, kā arī pārbaudes ārpus izlases trūkumu.
"Pastāv raksturīga spriedze starp vēlmi izmantot jaunu, potenciāli dzīvību glābjošu diagnostiku un prasību izstrādāt augstas kvalitātes pierādījumus tādā veidā, kas varētu sniegt labumu pacientiem un veselības sistēmām klīniskajā praksē," komentē pirmais autors Dr. Sjaoksuans Liu no Birmingemas Universitāte.
“Galvenā mūsu darba mācība ir tāda, ka AI - tāpat kā jebkurai citai veselības aprūpes daļai - ir svarīgs labs studiju dizains. Bez tā jūs varat viegli ieviest neobjektivitāti, kas izkropļo jūsu rezultātus. Šīs aizspriedumi var novest pie pārspīlētiem apgalvojumiem par labu AI rīku veiktspēju, kas nerealizējas reālajā pasaulē. ”
Dr Xiaoxuan Liu
"Pierādījumiem par to, kā AI algoritmi mainīs pacienta rezultātus, ir jābūt no salīdzinājumiem ar alternatīviem diagnostikas testiem randomizētos kontrolētos pētījumos," piebilst līdzautore Dr. Livia Faes no Moorfields acu slimnīcas, Londona, Lielbritānija.
"Pagaidām ir maz tādu pētījumu, kuros rīkotos ar AI algoritma pieņemtiem diagnostikas lēmumiem, lai redzētu, kas tad notiek ar rezultātiem, kas pacientiem patiešām ir svarīgi, piemēram, savlaicīga ārstēšana, laiks izrakstīties no slimnīcas vai pat izdzīvošanas rādītāji."
