A kínai, látással foglalkozó kutatóintézet, a Beijing Eye Research Institute (BERI) olyan kísérletet hajtott végre, amelynél mesterséges intelligencia alapú rendszert bíztak meg egy szemészeti klinika működtetésével. A projekt neve AI-TEC volt; a klinikán emberi munkatársak is dolgoztak, de a rendszert eleve úgy tervezték, hogy az egész működés középpontjában az AI álljon, nem pedig úgy, hogy később utólag illesztik be az eszközöket meglévő protokollokba. Az emberi felügyelet azonban megmaradt. A vizsgálat eredményeit a Nature Medicine közölte, és a Science Alert is beszámolt róla.
Mire terjedt ki a rendszer és milyen eredményeket hozott?
Az AI-TEC rendszert a betegek konzultációjától kezdve a képalkotó vizsgálatok elemzésén át az utánkövetésig használták. Kezdetben az AI viszonylag alacsony pontossággal azonosította a szemvizsgálati képeken megjelenő betegségeket, például a zöldhályogot és az időskori makuladegenerációt. A kutatók azonban azt tapasztalták, hogy a teljesítmény jelentősen javult, amikor a modellt 1426, kiváló minőségű és helyesen felcímkézett szemvizsgálati képpel tanították. Ez a kisebb, de jobb minőségű tanítókészlet sokkal hatékonyabbnak bizonyult, mint a korábban használt 27 000 alacsonyabb minőségű és kevésbé pontosan felcímkézett felvétel.
Klinikai használat és integráció: mi döntött a sikerről?
A kutatók megfigyelték, hogy bár a rendszer klinikai alkalmazása kezdetben magas volt, a használat öt hónap elteltével visszaesett. Nézve az adatokat: öt hónappal a bevezetés után 1113 vizsgálatból mindössze 41-nél használták az AI-t (3,8%). Miután a fejlesztők egyszerűsítettek a rendszeren, a következő hónapban a használati arány 1126 vizsgálatból 259-re emelkedett (26%).
Ebből a csapat arra a következtetésre jutott, hogy egy AI rendszer sikeres bevezetése az egészségügyi ellátásba elsősorban nem pusztán a modell teljesítményén múlik, hanem azon, hogy mennyire integrálták a munkafolyamatokba és milyen minőségű adatokat használnak a tanításhoz és a működéshez.
További fontos megállapítások
- A kutatók hangsúlyozták, hogy a klinikusok részéről folyamatos és gyors visszajelzések szükségesek ahhoz, hogy a rendszer folyamatosan fejlődhessen és a gyakorlatban is hasznos maradjon.
- Kihívást jelent az a különbség is, hogy a mesterséges intelligencia jellemzően eredményorientált: arra koncentrál, hogy egy adott páciensnek van-e diagnosztizálható szembetegsége, míg az orvosok munkája gyakran a tünetekre (például homályos látásra) összpontosít. Ez az eltérés megnehezítheti, hogy egy pontos képelemzés automatikusan jobb betegellátást eredményezzen.
Következmények és javaslatok a jövő kutatásai számára
A tanulmány szerint a jövőbeli vizsgálatok és fejlesztések esetén érdemes lehet kevesebb hangsúlyt fektetni a puszta teljesítménymutatókra (például a képek osztályozási pontosságára), és több figyelmet fordítani az integrációs kérdésekre, a munkafolyamatok egyszerűsítésére, a képzési adatok minőségére és a klinikusokkal való együttműködésre. A szerzők szerint ezek a tényezők döntőbbek lehetnek abban, hogy az AI milyen mértékben járul hozzá ténylegesen a betegellátás javulásához.
Összegzés
A BERI AI-TEC projektje azt mutatja, hogy az orvosi képalkotást elemző mesterséges intelligencia értékes eszköz lehet, de önmagában a magasabb pontosság nem garantál jobb klinikai kimeneteleket. A siker kulcsa a magas minőségű jelöltekészlet, a felhasználói munkafolyamatokba való zökkenőmentes integráció és a folyamatos visszajelzés a klinikusoktól.
