Haláljóslással és diagnosztikával száll be a Google az egészségügybe
A kezelés hatékonyságát előrejelző mélytanuló szoftverrel erősítené az egészségügyi diagnosztikát a Google. Olyan mesterséges intelligenciát alkottak, amely nemcsak azt tudja megjósolni, hány százalék eséllyel veszíti életét egy kórházba kerülő beteg, hanem azt is, feltehetően mennyi ideig kell majd nyomnia az ágyat, illetve mekkora az esély arra, hogy hazaengedése után nem sokkal ismét kórházba kerüljön.
A szoftvert egyelőre csak klinikai kísérletekben tesztelték, de a Google egészségügyi informatikára szakosodott részlege, a Medical Brain vezetője, Jeff Dean szerint a rendszer készen áll arra, hogy a klinikai gyakorlatban is vizsgázzon.
A robotsebészek lassan, de biztosan meghódítják az egészségügyet (nemrég Budapesten végeztek áttörésnek számító, robot asszisztálta agyműtétet), és az orvosok keze alá dolgozó diagnosztikai szoftverekkel sem egyedül a Google kísérletezik. Az Amerikai Élelmiszer- és Gyógyszerbiztonsági Hivatal (FDA) már néhény hónapja áldását adta a „haláljeleket” kereső mesterséges intelligenciára. Az akkor az Excel Medical amerikai cég egészségügyi keretrendszerébe integrált algoritmus sem volt éppen új: oxfordi kutatók már néhány évvel korábban kidolgozták.
A Google viszont olyan önfejlesztő program tökéletesítésén ügyködik, amely nemcsak a modern, digitális kórházi adatlapokra akkurátusan felvitt adatokat kezeli. Az elmúlt hónapokban élesben is tesztelt mesterséges intelligencia elolvassa a papírlapokra ragasztgatott fecnikre firkált széljegyzeteket is. Ráadásul a kiértékelésnél fontossági sorrendben azt is közli, hogy mely adatokból vonta le végső következtetéseit.
Géporvosok bevetésen
Egy efféle robotasszisztenssel nemcsak az ellátás minőségén lehet sokat javítani, azt is el lehet érni, hogy a hús-vér kórházi személyzet ne a papírmunkával, hanem inkább a betegekkel töltse az időt. A kórházi felvételkor az orvostól rendszerint a beteg, valamint a hozzátartozók is azt várják, hogy a tünetek és az azok alapján leghatékonyabbnak tűnő kezelés többé-kevésbé ismert kimenetele alapján a betegség várható legvalószínűbb lefolyásáról is tájékoztassa a megjelenteket.
A kórházi protokollban manapság is állapotfelmérő listák ezreinek kiértékelése alapján sorolják kockázati csoportokba a betegeket. Egy adott páciens tényleges kezelési módjáról azonban nem a saját listáján olvasható egyedi értékei alapján döntenek. A betegeket – Magyarországon leginkább csak az intenzív ellátásban – az eredményeik alapján az állapotuknak megfelelő kockázati csoportba sorolják, és a kezelőorvosok a csoportra érvényes kórházi protokoll szerint járnak el. Egy-egy konkrét, az átlagostól esetleg eltérően reagáló beteg esetében azonban előfordulhat, hogy mire az így figyelembe vett adatok elérik a klinikai tűréshatárt, a páciens már kritikus állapotban van.
Egészségügyi robotika alapszabályai
Az adatfeldolgozásban az embereknél elvileg lényegesen gyorsabb és pontosabb mélytanuló rendszerek bevetése már-már alapkövetelménynek tűnhet a 21. századi egészségügyben. Az adatvédelmi tudatosságot jelentősen felturbózó Cambridge Analytica-ügy miatt meglehetősen óvatos Google-fejlesztők mégis csak apró lépésenként haladnak. Miután az egészségügyi adatelemzésben is bevetett DeepMind miatt éles kritika érte a céget, hiszen elmulasztotta értesíteni az érintetteket arról, hogy egészségügyi adataikat adatelemzési célokra használják, a Google hangsúlyozza, hogy mélytanuló szoftverük ezúttal kizárólag a betegek engedélyével jut hozzá adatokhoz.
A többféle területre specializált mesterséges intelligencia fejlesztésén ügyködő cég nemrég etikai kódexben is rögzítette a gépi asszisztensek létrehozásának aranyszabályait. A robotika alaptörvényei elsőként az Én, a robot című novelláskötet egyik darabjában szerepeltek, ám a Google Isaac Asimovét idéző kódexe az előbbinél lényegesen részletesebb.
A legnagyobb problémát, legalábbis a kórházi gyakorlatban egyelőre amúgy is az okozza, hogy a feldolgozandó adatokat láthatóvá is kell tenni a programok számára. Ez viszont az emberi munkaerőtől – a fokozott figyelmen és a monoton művelet akkurátus elvégzésén túl – rengeteg időt igényel. A betegség kimenetelének előrejelzésébe fektetett munkaidő 80 százaléka manapság az adatvizualizációra megy el – összegezett a Stanford Egyetemen oktató Nigam Shah, az eredményeit a Nature-ben publikáló Google team egyik szerzője. Ezt iktatná ki a kaliforniai techóriás MI-je.
A kórházi ellátásban használandó mesterséges intelligenciáról korábbi cikkünk itt olvasható:
A halál megállapításának hagyományaival pedig itt foglalkoztunk:
