
Η τεχνητή νοημοσύνη υπόσχεται ταχύτερες και ακριβέστερες ιατρικές διαγνώσεις και βελτίωση στα θεραπευτικά αποτελέσματα των ασθενών, από την διάγνωση μέχρι την εξατομικευμένη ιατρική και την πρόβλεψη επιπλοκών.
Παρόλα αυτά όμως, ερευνητές του Πανεπιστημίου της Ουάσιγκτον, ανακάλυψαν ότι τα μοντέλα της τεχνητής νοημοσύνης, όπως και οι άνθρωποι, τείνουν να αναζητούν τη συντομότερη διαδρομή και όταν πρόκειται για τη διερεύνηση μιας ασθένειας, τότε τα πιο σύντομα μονοπάτια μπορούν να οδηγήσουν σε διαγνωστικό λάθος.
Μελέτη που δημοσιεύθηκε στο επιστημονικό περιοδικό Nature Machine Intelligence, εξέτασε πολλαπλά μοντέλα που χρησιμοποιήθηκαν τελευταία για την διερεύνηση της ακρίβειάς τους στην αναγνώριση της covid – 19 από ακτινογραφίες θώρακος.
Η επιστημονική ομάδα διαπίστωσε πως τα μοντέλα, αντί να στηρίζονται στην φυσιολογία και την παθολογία, στηρίζονται σε λανθασμένους συνδυασμούς παραγόντων που δεν σχετίζονται μεταξύ τους και με την κατάσταση από την ασθένεια. Συγκεκριμένα, τα μοντέλα αγνόησαν εντελώς βασικούς δείκτες και εστίασαν στη θέση του ασθενή προκειμένου να διαγνώσουν αν ο ασθενής είχε τη νόσο ή όχι.
«Ένας γιατρός θα περίμενε να βρει την covid – 19 από μια ακτινογραφία, στηριζόμενος σε συγκεκριμένα ευρήματα που θα απεικονίζουν την εξέλιξη της ασθένειας. Όμως ένα σύστημα τεχνητής νοημοσύνης, αντί να στηρίζεται σε αυτά τα ευρήματα, θα μπορούσε να θεωρήσει ότι το πρόβλημα είναι η ηλικία του ασθενή και να καταλήξει ότι είναι πιθανότερο να υπάρχει η νόσος επειδή είναι πιο συχνή στους ηλικιωμένους. Μπορεί αυτή η συντόμευση να μην είναι λάθος, όμως είναι απρόβλεπτη και αδιαφανής. Και αυτό μπορεί να οδηγήσει σε λάθος διάγνωση», επισημαίνει ένας από τους συγγραφείς της μελέτης, ο Άλεξ ΝτεΓκράβ, γιατρός από το Πανεπιστήμιο της Ουάσιγκτον που κάνει το διδακτορικό του στη Σχολή Πώλ Άλεν Μηχανικών Υπολογιστών.
Πρόσθεσε δε, ότι «Ένα μοντέλο που βασίζεται σε συντομεύσεις λειτουργεί συχνά μόνο στο νοσοκομείο στο οποίο αναπτύχθηκε, οπότε όταν μεταφέρεται σε ένα νέο νοσοκομείο, αποτυγχάνει – και αυτή η αποτυχία μπορεί να οδηγήσει τους γιατρούς προς λάθος διάγνωση και ακατάλληλη θεραπεία.
Αυτή η έλλειψη ακρίβειας με την τυπική αδιαφάνεια της λήψης αποφάσεων τεχνητής νοημοσύνης, και ένα τέτοιο εργαλείο θα μπορούσε να μετατραπεί από έναν πιθανή σωτηρία σε επιβάρυνση».
Η αδιαφάνεια των αποτελεσμάτων στα συστήματα τεχνητής νοημοσύνης, οδήγησε τους επιστήμονες να καταρτίσουν επεξηγούμενα μοντέλα ώστε οι ερευνητές και οι γιατροί να μπορούν να κατανοήσουν σε λεπτομέρεια πώς τα δεδομένα αξιολογήθηκαν, ώστε να προκύψει το συμπέρασμα του μοντέλου που εφαρμόστηκε.
Οι ίδιες τεχνικές αξιολόγησης εφαρμόστηκαν και στην περίπτωσης της covid – 19.
Η ομάδα αξιολόγησε τα μοντέλα, παρατηρώντας πως θα ήταν επιρρεπή στη «χειρότερη περίπτωση σύγχυσης», λόγω έλλειψης δεδομένων για μια τόσο νέα ασθένεια. Και η χειρότερη περίπτωση είναι αυτή που επιτρέπει το σύστημα να αναγνωρίζει σύνολα δεδομένων, αντί της πραγματικής παθολογίας της νόσου», πρόσθεσε ο επίσης συγγραφέας Τζόσεφ Γιανιζεκ, επίσης διδακτορικός φοιτητής της Σχολής Άλεν με πτυχίο ιατρικής από το Πανεπιστήμιο της Ουάσιγκτον.
Οι ερευνητές εκπαίδευσαν τα μοντέλα σε ένα δεύτερο σύνολο δεδομένων, το οποίο περιείχε θετικά και αρνητικά περιστατικά COVID-19 που προέρχονταν από παρόμοιες πηγές, εξαιτίας των οποίων θεωρήθηκε ότι είναι λιγότερο επιρρεπή στη σύγχυση. Όμως όταν τα δεδομένα που δόθηκαν στα μοντέλα ήταν εξωτερικά, τότε η απόδοσή τους μειώθηκε και πάλι.
Έτσι, διαπιστώθηκε ότι η σύγχυση μειώνεται όταν τα δεδομένα προέρχονται από παρόμοιες πηγές. Αποκαλύπτουν επίσης το βαθμό στον οποίο τα ιατρικά συστήματα τεχνητής νοημοσύνης υψηλής απόδοσης ακολουθούν ανεπιθύμητες διαδρομές αντί για τα επιθυμητά δεδομένα.
«Η ομάδα μου και εγώ είμαστε ακόμα αισιόδοξοι για την κλινική βιωσιμότητα της τεχνητής νοημοσύνης στην ιατρική απεικόνιση. Πιστεύω ότι θα έχουμε τελικά αξιόπιστους τρόπους για να αποτρέψουμε τις συντομεύσεις, αλλά θα χρειαστεί περισσότερη δουλειά», δήλωσε η εποπτεύουσα καθηγήτρια Su -In Lee, σημειώνοντας πως «η επεξηγούμενη τεχνητή νοημοσύνη μπορεί να αποτελέσει ουσιαστικό εργαλείο ώστε αυτά τα μοντέλα να μπορούν να χρησιμοποιηθούν με ασφάλεια και αποτελεσματικότητα, να διευρύνουν τη λήψη ιατρικών αποφάσεων και να επιτύχουν καλύτερα αποτελέσματα για τους ασθενείς».
Μέχρι στιγμής, οι διαγνώσεις για την covid – 19 γίνονται από γιατρούς, βάσει μοριακού ελέγχου και δεν στηρίζονται σε ακτινογραφίες θώρακος. Όσο για τα συστήματα covid-net που εφαρμόστηκαν σε διάφορα νοσοκομεία στις ΗΠΑ, δεν είναι γνωστό αν χρησιμοποιήθηκαν για ιατρική διάγνωση ή η εφαρμογη αφορούσε μόνο ερευνητικούς λόγους.


Latest News

Στις συμπληγάδες ΗΠΑ - Κίνας ο γίγαντας των ημιαγωγών Nvidia - Τι ζητά ο Χουάνγκ στο Πεκίνο;
Ο Τζένσεν Χουάνγκ, CEO της Nvidia, θα απαιτήσει άδειες για να εξάγει το μικροτσίπ H20 AI στην Κίνα

Ιταλική εφημερίδα δημοσίευσε ένθετο γραμμένο από ΑΙ
Μετά τον πρώτο μήνα δοκιμών, η ιταλική εφημερίδα Il Foglio προσέλαβε το σύστημα ως μόνιμο υπάλληλο.

Η Δικαιοσύνη αναβαθμίζεται ψηφιακά με συστήματα AI
Μέχρι σήμερα, η μετάφραση εκατοντάδων, αν όχι χιλιάδων, σελίδων και η αναζήτηση διαθέσιμων μεταφραστών και διερμηνέων, ειδικά σε κάποιες γλώσσες, προκαλεί σημαντικές καθυστερήσεις

Ξεκινά η υλοποίηση του ελληνικού εργοστασίου τεχνητής νοημοσύνης
Το AI Factory «Pharos» είναι ένα από τα πρώτα δεκατρία «εργοστάσια» Τεχνητής Νοημοσύνης στην Ευρώπη

Η TDK φέρνει επανάσταση στη δημιουργική ΑΙ
Η TDK κατέγραψε χρόνους απόκρισης 20 τρισεκατομμυρίων του δευτερολέπτου στη δοκιμή για τη βελτίωση των ταχυτήτων μεταφοράς δεδομένων

Ξεπέρασαν τις 15.000 οι επισκέπτες στη Beyond 2025
Η BEYOND 2025 συγκέντρωσε περισσότερους από 300 εκθέτες από την Ελλάδα και από 10 χώρες

Οι start-ups που δημιουργούν εργαλεία παραγωγικότητας είναι το νέο μεγάλο στοίχημα της ΑΙ - Ποιες είναι
Οι επενδυτές ποντάρουν σε AI startups που αναπτύσσουν πρακτικές εφαρμογές της ΑΙ αναζητώντας μεγάλα κέρδη χωρίς τεράστιες δαπάνες

Τα 5 πράγματα που δεν πρέπει να μοιράζεστε ποτέ με την τεχνητή νοημοσύνη
To ChatGPT, όπως και άλλα εργαλεία τεχνητής νοημοσύνης, εξελίσσονται χρησιμοποιούνται από όλο και περισσότερους ανθρώπους για μια ευρεία γκάμα αναζητήσεων

Ποιες είναι οι 10 χώρες με τα περισσότερα ταλέντα στην AI
Έρευνα της Microsoft, με τη συμμετοχή 31.000 ατόμων σε 31 χώρες, έδειξε ότι το 66% των επιχειρήσεων δεν θα προσλάμβανε κάποιον χωρίς δεξιότητες στην τεχνητή νοημοσύνη

Η συμβολή της ΑΙ στην κατανόηση της σεισμικής κρίσης στη Σαντορίνη
Τα πρώτα αποτελέσματα της χρήση υψηλής τεχνολογίας και τεχνητής νοημοσύνης στην παρακολούθηση της σεισμικής δραστηριότητας στη Σαντορίνη