Watsonek ez zion medikuari hozka egin, eta oso ondo

Nahiz eta, beste hainbat esparrutan bezala, medikuak AI ordezkatzeko ilusioa zertxobait apaldu den diagnostiko-porrot batzuen ondoren, AIan oinarritutako medikuntza garatzeko lanak aurrera jarraitzen du. Dena den, oraindik ere aukera handiak eskaintzen baitituzte bere arlo askotan operazioen eraginkortasuna hobetzeko.

IBM 2015ean iragarri zen, eta 2016an pazienteen datuen lau konpainia handiren datuetara sarbidea lortu zuen (1). Ospetsuena, hedabide ugariri esker, eta, aldi berean, IBMren adimen artifizial aurreratua erabiliz proiektu handinahiena onkologiarekin lotuta zegoen. Zientzialariek datuen baliabide zabalak erabiltzen saiatu dira horiek prozesatzeko, minbiziaren aurkako terapia ondo egokituak bihurtzeko. Epe luzerako helburua Watson epailea lortzea zen saiakuntza klinikoak eta mediku batek egingo lituzkeen emaitzak.

1. Watson Health sistema medikoaren bistaratzeetako bat

Hala ere, hori atera zen watson ezin da modu independentean mediku-literaturara aipatu, eta, gainera, ezin du pazienteen mediku-erregistro elektronikoetatik informazioa atera. Hala ere, haren aurkako akusaziorik larriena hori izan zen gaixo berri bat minbizia duten beste gaixo zahar batzuekin modu eraginkorrean alderatu eta lehen begiratuan ikusezinak diren sintomak antzematea.

Onkologo batzuk bazeudela bere iritzian konfiantza zutela esan zuten, batez ere Watson-ek tratamendu estandaretarako iradokizunei dagokienez, edo mediku-iritzi osagarri osagarri gisa. Askok adierazi dute sistema hau medikuentzako liburutegi automatizatu bikaina izango dela.

IBMren iritzi ez oso lausengarrien ondorioz arazoak AEBetako mediku erakundeetan Watson sistemaren salmentarekin. IBMko salmenta-ordezkariek India, Hego Korea, Thailandia eta beste herrialde batzuetako ospitale batzuetara saltzea lortu zuten. Indian, medikuek () Watsonen gomendioak ebaluatu zituzten bularreko minbiziaren 638 kasuetarako. Tratamenduaren gomendioen betetze-tasa % 73 da. Okerrago watson Hego Koreako Gachon Medikuntza Zentroan utzi zuen, non kolore-onteko minbizia duten 656 gaixoentzako gomendio onenak adituen gomendioekin bat etortzen ziren denboraren ehuneko 49an soilik. Medikuek hori baloratu dute Watsonek ez zuen ondo egin paziente zaharragoekinsendagai estandar batzuk ez eskainiz, eta akats larria egin zuen gaixotasun metastasia duten paziente batzuen tratamendu oldarkorraren zaintza egitea.

Azken batean, diagnostiko eta mediku gisa egindako lana arrakastarik gabekotzat jotzen bada ere, badira oso erabilgarria izan den arloetan. Produktua Watson Genomikarako, Ipar Carolinako Unibertsitatearekin, Yale Unibertsitatearekin eta beste erakunde batzuekin elkarlanean garatu zena erabiltzen da onkologoentzako txostenak egiteko laborategi genetikoak. Watson-ek zerrenda fitxategia deskargatzen du mutazio genetikoak paziente batean eta minutu batzuetan txosten bat sor dezake, botika eta entsegu kliniko garrantzitsu guztien iradokizunak biltzen dituena. Watsonek informazio genetikoa erraz maneiatzen dufitxategi egituratuetan aurkezten direlako eta ez dutelako anbiguotasunik -edo mutazio bat dago edo ez dago mutaziorik-.

Ipar Carolinako Unibertsitateko IBMko bazkideek eraginkortasunari buruzko dokumentu bat argitaratu zuten 2017an. Watsonek gizakien ikerketek identifikatu ez zituzten mutazio garrantzitsuak aurkitu zituen haien %32an. pazienteek aztertu zituzten, eta sendagai berrirako hautagai onak bihurtuz. Hala ere, oraindik ez dago erabilerak tratamenduaren emaitza hobeak ekartzen dituen frogarik.

Proteinen etxekotzea

Honek eta beste hainbat adibidek osasungintzan dauden gabezia guztiak konpontzen ari direnaren uste gero eta handiagoari laguntzen diote, baina horrek benetan lagun dezakeen eremuak bilatu behar ditugu, jendea ez baitabil oso ondo. Halako eremu bat da, adibidez, proteinen ikerketa. Iaz, proteinen forma zehaztasunez iragar zezakeela haien sekuentzian oinarrituta agertu zen (2). Hau ohiko zeregina da, pertsonen ez ezik, ordenagailu indartsuen boteretik haratago. Proteina molekulen bihurritzearen modelizazio zehatza menperatzen badugu, aukera handiak izango dira terapia genetikoa egiteko. Zientzialariek espero dute AlphaFold-en laguntzaz milakaren funtzioak aztertuko ditugula, eta honek, gaixotasun askoren arrazoiak ulertzea ahalbidetuko digu.

2. Irudia. DeepMind-en AlphaFold-ekin modelatutako proteina bihurritzea.

Orain berrehun milioi proteina ezagutzen ditugu, baina guztiz ulertzen ditugu haien zati txiki baten egitura eta funtzioa. Proteinak izaki bizidunen oinarrizko eraikuntza-blokea da. Zeluletan gertatzen diren prozesu gehienen erantzuleak dira. Nola funtzionatzen duten eta zer egiten duten beren 50D egiturak zehazten du. Forma egokia hartzen dute inolako argibiderik gabe, fisikaren legeek gidatuta. Hamarkadetan zehar, metodo esperimentalak izan dira proteinen forma zehazteko metodo nagusia. XNUMXeko hamarkadan, erabilera X izpien metodo kristalografikoak. Azken hamarkadan, aukeratutako ikerketa tresna bihurtu da. kristalezko mikroskopia. 80ko eta 90eko hamarkadetan, proteinen forma zehazteko ordenagailuak erabiltzen hasi ziren lanean. Hala ere, emaitzek oraindik ez zituzten zientzialariak asebetetzen. Proteina batzuentzat funtzionatu zuten metodoek ez zuten beste batzuentzat balio.

2018an jada AlphaFold adituen aitortza jaso zuen proteina modelatzea. Hala ere, garai hartan beste programen oso antzeko metodoak erabiltzen zituen. Zientzialariek taktika aldatu eta beste bat sortu zuten, proteina molekulen tolestean dauden murrizketa fisiko eta geometrikoei buruzko informazioa ere erabiltzen zuena. AlphaFold emaitza irregularrak eman zituen. Batzuetan hobeto egiten zuen, besteetan okerrago. Baina bere iragarpenen ia bi heren bat datoz metodo esperimentalen bidez lortutako emaitzekin. 2. urtearen hasieran, algoritmoak SARS-CoV-3 birusaren hainbat proteinen egitura deskribatu zuen. Geroago, Orf2020a proteinaren iragarpenak esperimentalki lortutako emaitzekin bat datozela ikusi zen.

Ez da soilik proteinak tolesteko barne-moduak aztertzea, baizik eta diseinua. NIH BRAIN ekimeneko ikertzaileek erabili zuten ikaskuntza automatikoa garuneko serotonina maila denbora errealean jarrai dezakeen proteina bat garatu. Serotonina neurokimiko bat da, eta garunak gure pentsamenduak eta sentimenduak kontrolatzen dituenean funtsezko zeregina du. Adibidez, antidepresibo asko neuronen artean transmititzen diren serotonina seinaleak aldatzeko diseinatuta daude. Cell aldizkariko artikulu batean, zientzialariek aurreratua nola erabiltzen duten deskribatu zuten ingeniaritza genetikoko metodoak bakterio-proteina bat serotoninaren transmisioa gaur egungo metodoek baino zehaztasun handiagoarekin jarraitzen lagun dezakeen ikerketa-tresna berri bat bihurtu. Esperimentu aurreklinikoek, gehienbat saguetan, frogatu dute sentsoreak berehala antzeman ditzakeela garuneko serotonina-mailetan aldaketa sotilak lo, beldurra eta elkarrekintza sozialak, eta droga psikoaktibo berrien eraginkortasuna probatu dezakeela.

Pandemiaren aurkako borrokak ez du beti arrakasta izan

Azken finean, hau izan zen MTn idatzi genuen lehen epidemia. Hala ere, adibidez, pandemiaren garapen-prozesuari buruz hitz egiten badugu, hasierako fasean, IA porrot bat zela zirudien. Jakintsuek hori salatu dute Inteligentzia artifiziala ezin da behar bezala aurreikusi koronavirusaren hedapenaren hedapena aurreko epidemietako datuetan oinarrituta. «Konponbide hauek ondo funtzionatzen dute arlo batzuetan, hala nola, begi eta belarri kopuru jakin bat duten aurpegiak antzematen. SARS-CoV-2 epidemia Aurretik ezezagunak diren gertakariak eta aldagai berri asko dira, beraz, entrenatzeko erabili ziren datu historikoetan oinarritutako adimen artifizialak ez du ondo funtzionatzen. Pandemiak erakutsi du beste teknologia eta ikuspegi batzuk bilatu behar ditugula ", esan zuen Skoltech-eko Maxim Fedorovek 2020ko apirilean, Errusiako hedabideei egindako adierazpenetan.

Denborarekin egon ziren hala ere, COVID-19aren aurkako borrokan IAren erabilgarritasun handia frogatzen duten algoritmoak. AEBetako zientzialariek sistema bat garatu zuten 2020ko udazkenean COVID-19 duten pertsonen eztul-eredu bereizgarriak ezagutzeko, beste sintomarik ez bazuten ere.

Txertoak agertu zirenean, biztanleria txertatzen laguntzeko ideia sortu zen. Zezakeen, adibidez txertoen garraioa eta logistika ereduak lagundu. Baita pandemiari azkarrago aurre egiteko zein populazio txertatu behar diren zehaztean ere. Eskaria aurreikusten eta txertoaren denbora eta abiadura optimizatzen lagunduko luke, halaber, logistikako arazoak eta botikak azkar identifikatuz. Algoritmoen etengabeko monitorizazioarekin konbinatzeak albo-ondorio eta osasun-gertakari posibleei buruzko informazioa azkar eman dezake.

horiek AI erabiltzen duten sistemak osasun-laguntza optimizatzean eta hobetzean ezagutzen dira dagoeneko. Haien abantaila praktikoak aintzat hartu ziren; adibidez, AEBetako Stanford Unibertsitateko Macro-Eyes-ek garatutako osasun sistema. Beste mediku erakunde askotan gertatzen den bezala, arazoa hitzorduetara agertu ez ziren gaixoen falta zen. Makro Begiak sistema bat eraiki zuen ziurrenik zein gaixo egongo ez ziren ziurrenik iragar zezakeen sistema bat. Zenbait egoeratan, kliniketarako ordu eta kokapen alternatiboak ere iradoki ditzake, eta horrek paziente bat agertzeko aukerak areagotuko lituzke. Geroago, antzeko teknologia aplikatu zen Arkansasetik Nigeriara hainbat tokitan laguntzarekin, bereziki, AEBetako Nazioarteko Garapenerako Agentzia i.

Tanzanian, Macro-Eyes-ek zuzendutako proiektu batean lan egin zuen haurren immunizazio-tasak handitzea. Softwareak txerto-zentro jakin batera zenbat txerto dosi bidali behar ziren aztertu zuen. Era berean, baloratu ahal izan zuen zein familiak izan zezakeen errezeloz seme-alabei txertoa jartzeko, baina argudio egokiekin eta txerto-zentro bat leku egoki batean kokatuta konbentzitu ahal izan ziren. Software hau erabiliz, Tanzaniako gobernuak bere immunizazio programaren eraginkortasuna %96an handitu ahal izan du. eta txertoen hondakinak 2,42 pertsonako 100ra murriztea.

Sierra Leonan, non bizilagunen osasun datuak falta ziren, enpresa hori hezkuntzari buruzko informazioarekin lotzen saiatu zen. Gertatu zen irakasleen eta haien ikasleen kopurua nahikoa zela ehuneko 70a aurreikusteko. tokiko klinikak ur garbirako sarbidea duen ala ez zehaztea, dagoeneko bertan bizi diren pertsonen osasunari buruzko datuen aztarna (3).

3. Afrikako AI-k bultzatutako osasun-programen Macro-Eyes ilustrazioa.

Makina medikuaren mitoa ez da desagertzen

Porrotak izan arren Watson Diagnostiko-ikuspegi berriak garatzen ari dira oraindik eta gero eta aurreratuagotzat jotzen dira. 2020ko irailean Suedian egindako konparaketa. bularreko minbiziaren irudi-diagnostikoan erabiltzen da haietako onenak erradiologo batek bezala funtzionatzen duela erakutsi zuen. Algoritmoak ohiko baheketan lortutako ia bederatzi mila irudi mamografiko erabiliz probatu dira. Hiru sistemak, AI-1, AI-2 eta AI-3 izenez izendatuak, %81,9ko zehaztasuna lortu zuten, %67koa. eta %67,4. Konparazio baterako, irudi horiek lehenengo gisa interpretatzen dituzten erradiologoentzat, kopuru hori %77,4koa izan zen, eta erradiologoakzein izan zen deskribatzen bigarrena, ehuneko 80,1 izan zen. Algoritmorik onenak ere erradiologoek baheketan galdu zituzten kasuak detektatzeko gai izan ziren, eta emakumeei urtebete baino gutxiagoan gaixorik diagnostikatu zitzaien.

Ikertzaileen arabera, emaitza hauek hori frogatzen dute adimen artifizialaren algoritmoak erradiologoek egindako diagnostiko negatibo faltsuak zuzentzen lagundu. AI-1en gaitasunak batez besteko erradiologo batekin konbinatuz, % 8 handitu zen detektatutako bularreko minbizien kopurua. Ikerketa hau egiten duen Errege Institutuko taldeak AI algoritmoen kalitatea hazten jarraitzea espero du. Esperimentuaren deskribapen osoa JAMA Oncology aldizkarian argitaratu zen.

W bost puntuko eskalan. Gaur egun, azelerazio teknologiko nabarmena ikusten ari gara eta IV mailara iristen ari gara (automatizazio handia), sistemak modu independentean automatikoki jasotako datuak prozesatzen dituenean eta espezialistari aurrez aztertutako informazioa ematen dionean. Horrek denbora aurrezten du, giza akatsak saihesten ditu eta pazientearen arreta eraginkorragoa eskaintzen du. Horixe epaitu zuen duela hilabete batzuk Stan A.I. bere gertuko medikuntza arloan, prof. Janusz Braziewicz Medikuntza Nuklearrerako Poloniako Elkarteak Poloniako Prentsa Agentziari egindako adierazpenetan.

4. Irudi medikoak makinaz ikustea

Algoritmoak, prof. bezalako adituen arabera. Brazievitxindustria honetan ezinbestekoa ere. Arrazoia diagnostiko-irudi proben kopuruaren igoera azkarra da. 2000-2010 aldirako bakarrik. MRI azterketak eta azterketen kopurua hamar aldiz handitu da. Zoritxarrez, horiek azkar eta fidagarritasunez egin ditzaketen mediku espezialista eskuragarrien kopurua ez da handitu. Teknikari kualifikatuen eskasia ere badago. AIan oinarritutako algoritmoen ezarpenak denbora aurrezten du eta prozeduren erabateko estandarizazioa ahalbidetzen du, baita giza akatsak eta pazienteentzako tratamendu eraginkorragoak eta pertsonalizatuak saihestuz ere.

Gertatu zenez, gainera auzitegi-medikuntza onuragarria izan daiteke adimen artifizialaren garapena. Arlo honetako espezialistek hildakoaren heriotza ordu zehatza zehaztu dezakete hildako ehunez elikatzen diren zizareen eta beste izakien jariaketen analisi kimikoen bidez. Arazo bat sortzen da analisian nekrofago mota ezberdinetako jariaketen nahasketak sartzen direnean. Hemen sartzen da ikaskuntza automatikoa. Albanyko Unibertsitateko zientzialariek garatu dute adimen artifizialaren metodoa, zizare-espezieak azkarrago identifikatzea ahalbidetzen duena haien "hatz-marka kimikoetan" oinarrituta. Taldeak bere ordenagailu-programa entrenatu zuen sei euli espezietako sekrezio kimikoen konbinazio ezberdinen nahasketak erabiliz. Intsektuen larben sinadura kimikoak deszifratu zituen masa-espektrometria erabiliz, zeinak produktu kimikoak identifikatzen dituen ioi baten masa eta karga elektrikoaren erlazioa zehaztasunez neurtuz.

Beraz, ikusten duzunez, ordea AI ikerketa detektibe gisa ez oso ona, oso erabilgarria izan daiteke auzitegiko laborategi batean. Beharbada, etapa honetan gehiegi espero genuen harengandik, medikuak lanik gabe utziko zituzten algoritmoak aurreikusiz (5). Begiratzen dugunean Inteligentzia artifiziala errealistagoa denez, orokorrean baino onura praktiko zehatzetan zentratuz, bere medikuntzan karrera oso itxaropentsua dirudi berriro.

5. Medikuaren autoaren ikuspegia