Umjetna inteligencija polako, ali sigurno postaje sveprisutna u brojnim djelatnostima, pa tako i u medicini. Cilj je jasan- brže i preciznije dijagnosticiranje, liječenje i praćenje bolesti.
Upravo je to bio predmet studije Smidt Heart instituta u Los Angelesu. Naime, pregledano je više od 3.500 ehokardiografskih nalaza. Od toga je AI grupa pregledala njih 1.740, a sonografičari su proveli test nad 1.755 pacijenata. Udio dijagnostičkih slika koje su bitno ispravljene nakon pregleda kardiologa bio je 16,8% u AI grupi i 27,2% u skupini sonografičara. Kardiolozi su bili i upitani da predvide je li početna interpretacija napravljena od strane sonografičara ili AI-a. Sveukupno, kardiolozi nisu mogli razlikovati procjene koje su napravili AI i sonografičari. Točno su predvidjeli početnu metodu procjene u 32,3% slučaja, pogriješili u 24,2%, a nisu bili sigurni u 43,4%.
Studija je objavljena online, 5. travnja u časopisu Nature. Riječ je o randomiziranoj studiji, a rezultat je iznenadio i istraživače.
- AI je superiorniji od sonografičara?
"Prvotno smo samo željeli pokazati da su AI i sonografičari ekvivalentni, ali smo se ugodno iznenadili pokazujući da je AI superiorniji. Na neki način, AI je prošao Turingov test za čitanje ehokardiograma“, izjavio je David Ouyang, dr.med. spec., interne medicine, subspec. kardiolog.
Ipak, naglašava da to ne znači kraj posla za kliničare, odnosno da i dalje moraju pregledati i potvrditi nalaze.
Autori studije došli su do zaključka da je proces vođen AI inteligencijom uštedio vrijeme, no treba napomenuti i ograničenja studije. Glavni nedostatak je to što je istraživanje uključivalo pacijente iz samo jedne institucije. Također, ne postoji uvid u dugoročne ishode.
"AI ovog tipa, jednom kad se obuči na više od 100.000 videozapisa, trebao bi se moći primijeniti na većinu ustanova. Mislimo da je to snažna potvrda da se modeli, kad prikupe dovoljno podataka, mogu generalizirati", naglašava Ouyang.
- Snage i ograničenja AI-ja
Douglas Mann, glavni urednik JACC: Basic to Translational Science, također je komentirao nalaze:
"Kliničari često moraju donositi kliničke interpretacije na temelju manje idealnih slika. AI je treniran na optimalnim slikama, a to predstavlja značajnu nepoznanicu za AI u kliničkom okruženju. Činjenica da su tehnički teške slike bile isključene iz studije predstavlja značajnu pristranost u korist AI-a".
Mann naglašava da je sva trenutna AI tehnologija dobra koliko i skup podataka na kojem se uči. Prostora za napredak još itekako ima, a s uzbuđenjem pratimo napredak AI-ja i njegovu implementaciju u medicini.
Izvor: MedScape (2023) AI Challenges Sonographers in Heart Function Assessment. Dostupno na: https://www.medscape.com/viewarticle/990533#vp_2
