211service.com
„Google“ medicininis AI laboratorijoje buvo itin tikslus. Tikrasis gyvenimas buvo kitokia istorija.
Wikimedia Commons
Covid-19 pandemija daugelyje pasaulio šalių išplečia ligoninių išteklius iki lūžio taško. Nenuostabu, kad daugelis žmonių tikisi, kad dirbtinis intelektas gali pagreitinti pacientų patikrinimą ir palengvinti klinikinio personalo įtampą. Tačiau „Google Health“ atliktas tyrimas – pirmiausia pažvelgti į giluminio mokymosi priemonės poveikį realiose klinikinėse situacijose – atskleidžia, kad net pačios tiksliausios AI iš tikrųjų gali pabloginti situaciją, jei jos nėra pritaikytos klinikinei aplinkai, kurioje jos veiks.
Galiojančiose AI diegimo klinikinėse aplinkose taisyklėse, pvz., FDA leidimo JAV arba CE ženklo Europoje standartai, daugiausia dėmesio skiriama tikslumui. Nėra aiškių reikalavimų, kad dirbtinis intelektas turi pagerinti pacientų rezultatus, daugiausia dėl to, kad tokie tyrimai dar nebuvo pradėti. Tačiau tai turi pasikeisti, sako Emma Beede, UX tyrinėtoja iš „Google Health“. Turime suprasti, kaip dirbtinio intelekto įrankiai veiks žmonėms atsižvelgiant į kontekstą, ypač sveikatos priežiūros srityje, prieš juos plačiai diegiant.
Pirmoji „Google“ galimybė išbandyti įrankį tikroje aplinkoje atsirado Tailande. Šalies sveikatos ministerija iškėlė metinį tikslą 60 % diabetu sergančių žmonių dėl diabetinės retinopatijos, kuri gali sukelti aklumą, jei nepastebima anksti. Tačiau su maždaug 4,5 milijono pacientų ir tik 200 tinklainės specialistų – maždaug dvigubai daugiau nei JAV – klinikos stengiasi pasiekti tikslą. „Google“ turi CE ženklą, kuris apima Tailandą, tačiau vis dar laukia FDA patvirtinimo. Taigi, norėdami išsiaiškinti, ar dirbtinis intelektas gali padėti, Beede ir jos kolegos 11 klinikų visoje šalyje įrengė gilaus mokymosi sistemą, išmokytą pastebėti diabetu sergančių pacientų akių ligų požymius.
Sistemoje, kurią naudojo Tailandas, slaugytojos per patikrinimus fotografuoja pacientų akis ir siunčia jas apžiūrėti specialistui kitur – procesas gali užtrukti iki 10 savaičių. „Google Health“ sukurta dirbtinis intelektas gali nustatyti diabetinės retinopatijos požymius iš akių nuskaitymo daugiau nei 90 % tikslumu (tai komanda vadina žmogaus specialisto lygiu) ir iš esmės duoda rezultatą greičiau nei per 10 minučių. Sistema analizuoja vaizdus, kurie rodo būseną, pvz., užsikimšusias arba nesandarias kraujagysles.
Daugiau apie koronavirusą
Mūsų svarbiausias COVID-19 draudimas yra nemokamas, įskaitant:
Kas yra bandos imunitetas?
Kaip veikia koronavirusas?
Kokie galimi gydymo būdai?
Kokie vaistai veikia geriausiai?
Koks yra teisingas socialinio atsiribojimo būdas?
Kiti dažnai užduodami klausimai apie koronavirusą
---
Naujienlaiškis: Coronavirus Tech Report
Priartinimo laida: „Radio Corona“.
Taip pat žiūrėkite:
Visa mūsų Covid-19 aprėptis
Specialusis COVID-19 numeris
Spustelėkite čia, kad užsiprenumeruotumėte ir paremtumėte mūsų ne pelno siekiančią žurnalistiką .
Garsai įspūdingas. Tačiau laboratorijos atliktas tikslumo įvertinimas eina tik iki tol. Jame nieko nepasakoma apie tai, kaip dirbtinis intelektas veiks tikros aplinkos chaose, ir tai norėjo išsiaiškinti „Google Health“ komanda. Keletą mėnesių jie stebėjo slaugytojas, atliekančias akių skenavimą, ir apklausė jas apie jų patirtį naudojant naująją sistemą. Atsiliepimai nebuvo visiškai teigiami.
Kai veikė gerai, AI viską paspartino. Tačiau kartais nepavykdavo duoti rezultato. Kaip ir dauguma vaizdų atpažinimo sistemų, gilaus mokymosi modelis buvo išmokytas atlikti aukštos kokybės nuskaitymą; siekiant užtikrinti tikslumą, jis buvo skirtas atmesti vaizdus, kurie nukrito žemiau tam tikros kokybės slenksčio. Slaugytojoms per valandą nuskaitant dešimtis pacientų ir dažnai fotografuojant prasto apšvietimo sąlygomis, daugiau nei penktadalis vaizdų buvo atmesti.
Pacientams, kurių vaizdai buvo pašalinti iš sistemos, buvo pasakyta, kad kitą dieną jie turės apsilankyti pas kitos klinikos specialistą. Jei jiems buvo sunku išeiti iš darbo arba jie neturėjo automobilio, tai buvo akivaizdžiai nepatogu. Slaugytojai jautėsi nusivylę, ypač kai tikėjo, kad atmestuose skenavimuose nebuvo jokių ligos požymių ir tolesni susitikimai buvo nereikalingi. Kartais jie švaistydavo laiką bandydami perdaryti ar redaguoti vaizdą, kurį AI atmetė.
Slaugytoja valdo tinklainės skaitytuvą, fotografuodama paciento akies užpakalinę dalį. (Google)
Kadangi sistema turėjo įkelti vaizdus į debesį apdoroti, prastas interneto ryšys keliose klinikose taip pat lėmė vėlavimus. Pacientams patinka momentiniai rezultatai, tačiau internetas yra lėtas ir pacientai tada skundžiasi, sakė viena slaugytoja. Jie čia laukia nuo 6 valandos ryto, o pirmas dvi valandas galėjome patikrinti tik 10 pacientų.
„Google Health“ komanda dabar dirba su vietiniais medicinos darbuotojais, kad sukurtų naujas darbo eigas. Pavyzdžiui, slaugytojai galėtų būti išmokyti priimti savo sprendimą ribiniais atvejais. Pats modelis taip pat gali būti pakoreguotas, kad būtų geriau valdomi netobuli vaizdai.
Rizikuojantis atsakas
Tai labai svarbus tyrimas, skirtas visiems, norintiems susitepti rankas ir realiai įgyvendinti AI sprendimus realiame pasaulyje, sako Hamidas Tizhooshas iš Vaterlo universiteto Kanadoje, dirbantis su AI medicininiam vaizdavimui. Tizhoosh labai kritiškai vertina tai, ką jis laiko skuba paskelbti apie naujus AI įrankius reaguojant į COVID-19. Kai kuriais atvejais įrankius kuria ir modelius išleidžia komandos, neturinčios sveikatos priežiūros patirties, sako jis. Jis mano, kad „Google“ tyrimas yra savalaikis priminimas, kad tikslumo nustatymas laboratorijoje yra tik pirmas žingsnis.
Michaelas Abramoffas, akių gydytojas ir kompiuterių mokslininkas iš Ajovos ligoninių ir klinikų universiteto, jau kelerius metus kuria AI tinklainės ligoms diagnozuoti ir yra pradinio startuolio IDx Technologies, kuris bendradarbiavo su IBM Watson, generalinis direktorius. Abramoffas praeityje buvo sveikatos priežiūros dirbtinio intelekto lyderis, tačiau jis taip pat perspėja neskubėti, įspėdamas apie neigiamą reakciją, jei žmonės turės blogos patirties su AI. Labai džiaugiuosi, kad „Google“ rodo, kad jie nori pažvelgti į faktinę darbo eigą klinikose, sako jis. Sveikatos priežiūra yra daug daugiau nei algoritmai.
Abramoffas taip pat abejoja, ar naudinga lyginti AI įrankius su žmonių specialistais, kai kalbama apie tikslumą. Žinoma, nenorime, kad dirbtinis intelektas blogai skambintų. Tačiau žmonių gydytojai nuolat nesutaria, sako jis – ir tai gerai. AI sistema turi tilpti į procesą, kuriame aptariami neapibrėžtumo šaltiniai, o ne tiesiog atmetami.
Suprask teisingai ir nauda gali būti didžiulė . Kai tai veikė gerai, Beede ir jos kolegos pamatė, kaip dirbtinis intelektas žmones, kurie gerai išmano savo darbą, padarė dar geresnius. Buvo viena slaugytoja, kuri pati patikrino 1000 pacientų, ir su šiuo įrankiu ji nesustabdoma, sako ji. Pacientams nelabai rūpėjo, kad tai AI, o ne žmogus, skaitantis jų vaizdus. Jiems labiau rūpėjo, kokia bus jų patirtis.
Pataisymas: pradinė eilutė buvo pakeista, kad būtų aišku, kad ne visos šalys yra priblokštos.