Kto jest skuteczniejszy w diagnostyce chorób: lekarz, czy sztuczna inteligencja? Naukowcy z Wielkiej Brytanii już wiedzą. Przeanalizowali badania, w których porównywano diagnozy stawiane przez lekarzy, z tymi ustalonymi przez algorytmy głębokiego uczenia i sztuczną inteligencję.
Popularność sztucznej inteligencji powoduje, że niedługo będzie ona normą w każdym otaczającym nas urządzeniu. Jednak istnieją cele wyższe i społecznie przydatne, którym sztuczna inteligencja może się wyjątkowo przysłużyć.
Lekarze vs sztuczna inteligencja
Dr Xiaoxuan Liu wraz z prof. Alastair Denniston z uniwersyteckiego szpitala w Birmingham rozpoczęła analizę badań prowadzonych od 2012 roku, by porównać trafności diagnoz lekarskich z diagnozami, stawianymi przez algorytmy. Liczba prac badawczych, jaką Dr Xiaoxuan Liu wzięła pod uwagę, wynosi 20 tys.
Po weryfikacji jedynie 14 z nich okazało się, że spełnia określone warunki i dostarcza jakościowych danych potrzebnych do głębszej analizy.
Zaś po uśrednieniu wyników badań okazało się, że lekarze diagnozowali stan pacjentów z 86% skutecznością, natomiast AI miała o jeden procent przewagi, czyli 87% skuteczności.
Badacze zaznaczają jednak, że analiza została oparta na bardzo małej liczbie zakwalifikowanych przypadków. Pomimo że wyniki były prawie identyczne, to lekarze, dzięki badaniu “na żywo” są w stanie dużo skuteczniej zdiagnozować pacjenta. Z drugiej strony sztuczna inteligencja może okazać się bardzo pomocna, oszczędzając czas lekarzy i pacjentów.
AI diagnozuje cukrzycę i raka piersi
Już w tym momencie system IDx-Dr, który skanuje siatkówkę oka i w ciągu 20 sek. potrafi zdiagnozować cukrzycę, i to na tyle skutecznie, że do interpretacji badania nie jest potrzebna ocena lekarza. Sztuczna inteligencja może też pomóc w odczytywaniu skanów badań raka piersi, usprawniając badania mammograficzne, które bywają niedokładne.
Wygrywa jeszcze człowiek
Quartz przeprowadził eksperyment i przy pomocy ekspertów w ciągu dwóch godzin rozpracowano dwa algorytmy, aby ustalić, jak ich wyniki pokrywają się z diagnozami lekarzy. Algorytm na podstawie 200 tys. skanów guzów złośliwych, łagodnych i miejsc zdrowych uczył się rozpoznawać stadium choroby.
Aby AI mogła dobrze nauczyć się sklasyfikować wszystkie przypadki, w bazie musiałoby się znajdować odpowiednio dużo wszystkich rodzajów schorzenia. Ta baza nie posiadała jednak wymaganej liczby wszystkich prawdopodobnych wariantów choroby. Dlatego w tym pojedynku wygrywa na razie człowiek, ponieważ potrafi rozpoznać np. zwapnione guzy z samej definicji, bez konieczności uczenia się ich rozpoznawania na tak ogromnej liczbie przykładów.
