:format(webp)/nginx/o/2023/06/10/15381380t1hdf41.jpg)
Uus tehisintellekti tööriist näitas oma oskusi lugeda arstide märkmeid ja prognoosib nüüd täpselt patsientide surmaohtu, vajadust hospitaliseerida ning muid raviks olulisi tegevusi.
Tehisintellekt läbis arstikatsed ja suudab nüüd inimesest paremini täpse diagnoosi anda (2)
New Yorgi Ülikooli Grossmani meditsiinikooli teadlaste meeskonna poolt välja töötatud tarkvara on praegu kasutusel ülikooliga seotud haiglates kogu New Yorgis. Loodetakse, et tulevikus saab sellest tehisintellekti juhitud süsteemist tervishoiu standardlahendus.
Uuring ennustava meditsiinis rakendatava tehisintellekti (suure keelemudeli) kasutamise efektiivsuse kohta avaldati kolmapäeval ajakirjas Nature.
Teadustöö juhtiv autor, New Yorgi Ülikooli (NYU) arvutiteadlane ja neurokirurg Eric Oermann ütles AFP-le, et kuigi tehisintellektiga mitteseotud ennustavad mudelid on meditsiinis kasutusel olnud juba pikka aega, siis praktikas neid peaaegu ei kasutatud, sest vajalikud sisend-andmed nõudsid väga tülikat ümberkorraldamist ja vormindamist.
«Üks asi, mis on meditsiinis kõikjal tavaline, on see, et arstid kirjutavad märkmeid selle kohta, mida nad on kliinikus näinud ja mida patsientidega arutanud,» ütles ta, «nii et meie põhiline eesmärk oli, et kas suudame alustada meditsiiniliste märkmete kui andmeallika ettesöötmist masinale ja seejärel ehitada selle peale üles ennustavad mudelid.»
Arstide märkmed said masinale arusaadavaks suure treeninguga
Suurt keelemudelit nimega NYUTron koolitati miljonite kliiniliste märkmete põhjal 387 000 inimese terviseandmetest, mis saadi NYU Langone´i haiglate hooldusandmetest ajavahemikus 2011. aasta jaanuarist kuni 2020. aasta maini.
Nende hulka kuulusid ka kõik arstide kirja pandud dokumendid, nagu patsiendi edenemise märkmed, radioloogiaaruanded ja väljakirjutamise juhised, mille tulemuseks oli 4,1 miljardi sõna pikkune andmekorpus.
Tarkvara üks peamisi väljakutseid oli arstide kirjutatud loomuliku töökeele tõlgendamine, mis on inimeseti väga erinev, sealhulgas nende kasutatavad lühendid.
Vaadates tagasi aastate jooksul kogutud ülestähendustele, suutsid teadlased välja arvutada, kui sageli osutusid tarkvara ennustused täpseteks.
Nad katsetasid tööriista ka reaalaja keskkondades, õpetades tehisintellekti näiteks Manhattani haigla dokumentide põhjal. Siis vaadati, kuidas samal mudelil Brooklyni haigla andmete töötlemine õnnestub, kasutades erinevate patsientide demograafilisi näitajaid.
Tehisintellekt ei asenda siiski inimest
Üldiselt tuvastas NYUTron 95 protsenti inimestest, kes suridki haiglas enne väljakirjutamist ja 80 protsenti patsientidest, kes võetigi tagasi 30 päeva jooksul.
See tulemus ületas oma ennustuste täpsuselt ja ka tänapäeval kasutatavate mitte-tehisintellekti arvutimudelite osas enamikku arste ja tarkvarasid.
Kuid meeskonna üllatuseks leidsid nad oma vaatlustulemustest ka «ühe vanema ja kogenuma arsti, kes on tegelikult väga kuulus, kellel oli lausa üliinimlik sooritusvõime, palju parem, kui tehisintellekti mudelil,» ütles Oermann.
NYUTron hindas õigesti ka 79 protsendi patsientide tegeliku haiglas viibimise pikkuse, 87 protsenti juhtudest, kus patsientidele ei võetud kindlustuskaitset ja 89 protsenti juhtudest, kus patsiendi esmase haigusega kaasnesid lisadiagnoosid.
Tehisintellekt ei asenda siiski kunagi arsti ja patsiendi omavahelist suhet, ütles Oermann. Pigem aitavad need mudelid «pakkuda arstidele jooksvalt rohkem andmeid, et nad saaksid teha teadlikumaid otsuseid».