Η ΤΝ ξεπερνά τους γιατρούς στις καρδιακές σαρώσεις, τη διάγνωση και τον εντοπισμό Πάρκινσον — αλλά οι ασθενείς δεν έχουν πειστεί

Αυτή η εβδομάδα έφερε μια σειρά από ορόσημα στον τομέα της τεχνητής νοημοσύνης στην ιατρική: οι μηχανές κερδίζουν τους γιατρούς στην ανάγνωση καρδιών και στη διάγνωση ασθενειών, ένα εργαλείο ερωτηματολογίου μπορεί να εντοπίσει τη νόσο Πάρκινσον χρόνια νωρίς, και ωστόσο οι περισσότεροι Αμερικανοί λένε ότι προτιμούν να μην έχει η ΤΝ καμία σχέση με τη φροντίδα τους.

Η ΤΝ διαβάζει καρδιακές σαρώσεις 300× ταχύτερα — και με μεγαλύτερη ακρίβεια

Μια μελέτη υπό την ηγεσία του UCL που δημοσιεύθηκε στο The Lancet Digital Health ανέλυσε δεδομένα καρδιακής MRI από 27.382 ασθενείς στο Ηνωμένο Βασίλειο και τις Ηνωμένες Πολιτείες και κατέληξε σε ένα εντυπωσιακό συμπέρασμα: οι μετρήσεις του κλάσματος εξώθησης που παράχθηκαν από ΤΝ — το ποσοστό αίματος που αντλείται με κάθε χτύπο της καρδιάς — προέβλεπαν τη θνησιμότητα πέντε ετών σημαντικά καλύτερα από τις ίδιες μετρήσεις που πραγματοποιήθηκαν από έμπειρους κλινικούς ιατρούς.

Η ταχύτητα αποτελεί μέρος της ιστορίας: η ΤΝ ολοκλήρωσε κάθε ανάλυση σε δύο έως τρία δευτερόλεπτα, έναντι περίπου 13 λεπτών για έναν ειδικό. Αλλά η ακρίβεια είναι το πιο σημαντικό εύρημα. Το μοντέλο επισήμαινε ασθενείς ως υψηλού κινδύνου ακόμα και όταν τα σκορ τους ήταν κάτω από το κλινικό κατώφλι που θα τους έδινε εξιτήριο. Στην πράξη, αυτό σημαίνει ότι ορισμένοι ασθενείς που θα αποστέλλονταν σπίτι μπορεί να χρειάζονται στενότερη παρακολούθηση — και η ΤΝ είναι καλύτερη στον εντοπισμό ποιοι είναι αυτοί.

Το διαγνωστικό AI της Microsoft κερδίζει τους γενικούς ιατρούς με αναλογία δύο προς ένα

Ένα άρθρο που δημοσιεύθηκε στο Science αυτή την εβδομάδα περιέγραψε το MAI-DxO, τον Ιατρικό Ενορχηστρωτή Διάγνωσης AI της Microsoft, που πέτυχε ακρίβεια 83,2% σε 304 σύνθετες περιπτώσεις που αντλήθηκαν από αναφορές περιπτώσεων του New England Journal of Medicine, έναντι 36,1% για γενικούς ιατρούς που εργάζονταν με υλικό αναφοράς. Σε ξεχωριστό σύνολο δεδομένων επείγουσας ιατρικής, το χάσμα ήταν παρόμοιο: 80% για την ΤΝ έναντι 47% για τους ιατρούς.

Το σύστημα διέταξε επίσης λιγότερες διαγνωστικές εξετάσεις — και φθηνότερες — για να φτάσει στα συμπεράσματά του. Αυτός ο συνδυασμός υψηλότερης ακρίβειας και χαμηλότερου κόστους είναι το σενάριο που οι αισιόδοξοι της ΤΝ υποσχέθηκαν εδώ και καιρό, και έφτασε με υποστήριξη από ομολογιακή αξιολόγηση. Το πιο δύσκολο ερώτημα που θέτει το άρθρο είναι τι σημαίνει αυτό για τον εκπαιδευτικό αγωγό των γενικών ιατρών: αν ένα σύστημα λογισμικού μπορεί να υπερτερεί ενός ιατρού που έχει πρόσβαση σε υλικό αναφοράς, τι συνεπάγεται αυτό για την ιατρική εκπαίδευση και το προσωπικό;

Οι περισσότεροι Αμερικανοί εξακολουθούν να αισθάνονται άβολα με τη φροντίδα με τη βοήθεια ΤΝ

Στο φόντο αυτής της τεχνικής προόδου, μια έρευνα του Pew Research Center σε 3.488 Αμερικανούς ενήλικες που δημοσιεύθηκε στις 3 Νοεμβρίου προσφέρει μια εύγλωττη υπενθύμιση ότι κλινικές επιδόσεις και δημόσια αποδοχή δεν είναι το ίδιο πράγμα. Το εξήντα τοις εκατό των ερωτηθέντων δήλωσαν ότι αισθάνονται άβολα με τη χρήση ΤΝ για τη διάγνωση των παθήσεών τους ή για τη σύσταση θεραπειών. Μόνο το 5% δήλωσε ότι αισθάνεται άνετα με αυτόνομες αποφάσεις ΤΝ για ασφαλιστικές αξιώσεις. Το πενήντα ένα τοις εκατό εξέφρασε ανησυχία για την ασφάλεια των προσωπικών δεδομένων υγείας τους.

Το εύρημα που ξεχωρίζει περισσότερο: οι ασθενείς εμπιστεύονται τους γιατρούς περισσότερο από όλους άλλους για τη χρήση ΤΝ προς το συμφέρον τους — περισσότερο από τα νοσοκομεία, περισσότερο από τις ασφαλιστικές εταιρείες και περισσότερο από την κυβέρνηση. Αυτό έχει σημασία για τον τρόπο εισαγωγής εργαλείων ΤΝ σε κλινικά περιβάλλοντα. Μια τεχνολογία που υπερτερεί ενός ιατρού σε ελεγχόμενη δοκιμή μπορεί ωστόσο να αποτύχει κατά την ανάπτυξη αν οι ασθενείς αποσυνδεθούν από τη φροντίδα ή αρνηθούν να ενεργήσουν βάσει συστάσεων που παράγονται από ΤΝ.

Εταιρείες βιοτεχνολογίας αντιστέκονται στην υπερβολική προώθηση της ανακάλυψης φαρμάκων με ΤΝ

Δεν βιάζονται όλοι οι παράγοντες στην τεχνολογία υγείας να υιοθετήσουν ΤΝ. Ένας αυξανόμενος αριθμός νεοφυών επιχειρήσεων βιοτεχνολογίας παρακάμπτει σκόπιμα τις πλατφόρμες ανακάλυψης φαρμάκων με ΤΝ, επιλέγοντας αντ' αυτού πειράματα υψηλής απόδοσης σε υγρό εργαστήριο που καθοδηγούνται από χημικούς με διδακτορικό αντί για μοντέλα βαθιάς μάθησης.

Οι ανησυχίες που αναφέρουν αυτές οι εταιρείες είναι συγκεκριμένες: σύνολα δεδομένων εκπαίδευσης που δεν αντιπροσωπεύουν τον πλήρη χημικό και βιολογικό χώρο ενδιαφέροντος, νευρωνικά δίκτυα των οποίων οι αποφάσεις δεν μπορούν να εξεταστούν ή να εξηγηθούν, και βιολογικά συστήματα πολύπλοκα για να μοντελοποιηθούν αξιόπιστα από τις τρέχουσες αρχιτεκτονικές. Μια εταιρεία που παρουσιάστηκε εκτελεί 50.000 δοκιμές ενώσεων την εβδομάδα χρησιμοποιώντας ρομποτική — μια κλίμακα που θα ήταν αδιανόητη χωρίς αυτοματοποίηση — αλλά βασίζεται αποκλειστικά σε ανθρώπους επιστήμονες για τη δημιουργία υποθέσεων. Η ιστορία είναι διορθωτική στην ιδέα ότι η υιοθέτηση ΤΝ στην ανάπτυξη φαρμάκων είναι ομοιόμορφη ή αναπόφευκτη.

Ένα εργαλείο 30 ερωτήσεων μπορεί να εντοπίσει τη νόσο Πάρκινσον χρόνια πριν εμφανιστούν τα συμπτώματα

Μια ομάδα στο Rensselaer Polytechnic Institute δημοσίευσε μελέτη στο Nature Aging στις 4 Νοεμβρίου που περιγράφει το Quest2Dx, ένα μοντέλο που αναλύει απαντήσεις ερωτηματολογίου υγείας για τον εντοπισμό ατόμων στην πρόδρομη φάση της νόσου Πάρκινσον — την περίοδο πριν από την εμφάνιση κινητικών συμπτωμάτων.

Το μοντέλο αναζητά πρώιμα σημεία προειδοποίησης που συχνά προηγούνται επίσημης διάγνωσης κατά χρόνια ή ακόμα και δεκαετίες: μειωμένη αίσθηση οσμής, διαταραγμένος ύπνος REM και λεπτές αλλαγές στη γραφή. Μια συμπυκνωμένη έκδοση 30 ερωτήσεων απέδωσε σχεδόν εξίσου καλά με πλήρεις μπαταρίες ερωτηματολογίων, κάτι που έχει τεράστια σημασία για την πραγματική ανάπτυξη. Ένα σύντομο ερωτηματολόγιο μπορεί να χορηγηθεί σε επίσκεψη πρωτοβάθμιας φροντίδας με ελάχιστο κόστος και χωρίς εξειδικευμένο εξοπλισμό. Αν το Quest2Dx επαληθευτεί σε προοπτικές μελέτες, θα μπορούσε να δώσει σε νευρολόγους — και ασθενείς — ένα σημαντικό πλεονέκτημα χρόνου έναντι μιας νόσου για την οποία η προγενέστερη παρέμβαση παράγει σταθερά καλύτερα αποτελέσματα.

---

Αυτό που συνδέει αυτές τις πέντε ιστορίες είναι ένα χάσμα που διατρέχει όλες: τα συστήματα ΤΝ φτάνουν και σε ορισμένες περιπτώσεις υπερβαίνουν την ανθρώπινη απόδοση σε στενά καθορισμένες κλινικές εργασίες, αλλά η πορεία από το σημείο αναφοράς στο δίπλα στο κρεβάτι παραμένει μακρύτερη και δυσκολότερη από ό,τι μπορεί να επιλύσει οποιαδήποτε μεμονωμένη μελέτη. Η εμπιστοσύνη πρέπει να οικοδομηθεί. Οι κλινικοί ιατροί πρέπει να κατανοήσουν τι κάνουν στην πράξη τα εργαλεία. Και τα όρια που θέτουν οι σκεπτικοί της βιοτεχνολογίας — μοντέλα μαύρου κουτιού, μη αντιπροσωπευτικά δεδομένα εκπαίδευσης, βιολογική πολυπλοκότητα που νικά τις τρέχουσες αρχιτεκτονικές — είναι πραγματικά ακόμα και όπου τα αποτελέσματα των τίτλων φαίνονται εντυπωσιακά. Η έρευνα αυτής της εβδομάδας είναι απόδειξη ταχείας προόδου. Δεν είναι, ακόμα, απόδειξη ότι η μετάβαση έχει ολοκληρωθεί.