Fot. Thinkstock/Getty Images[/caption]Każda indywidualna sytuacja kliniczna wymaga prawidłowej diagnozy, co bywa trudne nawet dla doświadczonego lekarza. W praktyce najczęściej bierze on pod uwagę rozpoznania typowe, co nie zawsze prowadzi do prawidłowej oceny sytuacji. Teraz z pomocą przybywa ogrom cyfrowej wiedzy, który może wspomóc rozumowanie diagnostyczne. Bezcenne.
Od kiedy podstawą podejmowania decyzji klinicznych w paradygmacie medycyny opartej na faktach stały się dowody/evidence, a każda taka decyzja jest podejmowana na podstawie bilansu argumentów i kontrargumentów z nią związanych, zmniejszył się obszar niepewności i wątpliwości, z którym konfrontują się lekarze. Wprowadzenie do codziennej praktyki lekarskiej zasad EBM pozwoliło na standaryzację metodologii podejmowania decyzji. Co do tego procesu wniosłyby zaawansowane systemy komputerowe? Każda sytuacja kliniczna wymaga indywidualnej oceny, rekomendacje i protokoły oceny stanu klinicznego czy algorytmy postępowania bywają zbyt ogólne, a bazy danych wymagają od lekarza krytycznej oceny ich wiarygodności, rozróżnienia dowodów silnych od słabszych ‒ tymczasem w komputerowych systemach sztucznej inteligencji wskazówki optymalizujące wybór rekomendacji oraz ewaluacja tych danych są już zawarte. Jak wiadomo, konsekwencje nietrafnych decyzji diagnostycznych w medycynie mogą być fatalne. Programy komputerowe wspomagające lekarza w stawianiu rozpoznania, weryfikujące jego wnioski diagnostyczne, mają ograniczyć jego błędy w tym zakresie. W 1970 r. naukowcy z University of Pittsburgh opracowali oprogramowanie do diagnozowania złożonych problemów chorób wewnętrznych. Laboratorium Massachusetts General Hospital od lat 80. doskonali system DXplain wspomagający kształcenie kliniczne, niebędący alternatywą dla decyzji diagnosty. Jego baza wiedzy liczy ponad 2400 chorób i ponad 5000 parametrów klinicznych ‒ objawów, danych epidemiologicznych i laboratoryjnych. Analizę umysłu ludzkiego naśladuje program Watson stworzony przez IBM ‒ firmę, która współpracuje z Memorial Sloan-Kettering Cancer Center, a także z Cleveland Clinic, „ucząc” jego rozbudowane inteligentne oprogramowanie interpretowania informacji klinicznych w rozpoznawaniu nowotworów. Korporacja Wellpoint obliczyła, że prawdopodobieństwo postawienia właściwej diagnozy raka płuc przez człowieka wynosi 50 proc., zaś przez ten superkomputer – 90 proc. System Watsona z 90 serwerami w chmurze informatycznej ma moc obliczeniową ok. 8 tys. komputerów osobistych, na koniec swoich analiz oferuje lekarzowi listę sugestii diagnostycznych. Wyjściowo na merytoryczną bazę maszyny składało się ok. 600 tys. danych medycznych i ok. 2 mln stron artykułów naukowych, szacuje się, że w przyszłości przyswoi sobie ona kolejne 1,5 mln historii chorób.
Czy inteligentne oprogramowanie i superkomputery diagnozują skuteczniej od lekarza? F.T. De Dombal w 1972 r. opracował testy systemu ekspertowego w diagnostyce ostrego bólu brzusznego, z wykorzystaniem danych z podstawowych badań pacjentów. Na podstawie tych samych danych jego decyzje diagnostyczne były częściej trafne niż lekarskie ‒ zastosowanie systemu zwiększyło dokładność rozpoznań z ponad 45 proc. do ponad 65 proc. W 2010 r. w Westmead Children’s Hospital w Sydney system komputerowy z algorytmami do wykrywania chorych z zapaleniem płuc lub opon mózgowych oraz typowania pacjentów do natychmiastowego leczenia antybiotykami okazał się rzadziej mylić niż lekarze, którzy u 20 proc. pacjentów nie rozpoznali sytuacji. William Grove i wsp. w 2000 r. w metaanalizie 136 badań (Clinical Versus Mechanical Prediction: A Meta-Analysis) dowiedli, że tylko w ośmiu przypadkach oceny ekspertów były lepsze od algorytmu komputera. W 2013 r. naukowcy z Uniwersytetu Indiany Kris Hauser i Casey Bennett wprowadzili do pamięci komputera dane statystyczne z badań klinicznych, analiz laboratoryjnych i danych osobowych 6700 pacjentów z różnymi dolegliwościami. Te same otrzymali lekarze. Diagnozy wskazane przez algorytmy maszyny okazały się o ponad 40 proc. trafniejsze niż lekarskie.
Specjaliści twierdzą, że powodem przewagi analiz maszyny nad wnioskami wypracowanymi przez umysł lekarza są pełne zakłóceń warunki realnego świata, w jakich przetwarzane są zbiory danych ‒ te wprowadzone do maszyny algorytmicznej analizowane są w idealnych warunkach abstrakcji matematycznej. Daniel Kahneman ‒ twórca (z Amosem Tverskim) teorii psychologicznej perspektywy opisującej procesy decyzyjne w warunkach niepewności ‒ wyjaśnia to tym, że algorytmy statystyczne, w odróżnieniu od ludzi, nie przeoczają pożytecznych danych i wykorzystują je za każdym razem jednakowo. Dobrze zaprojektowane algorytmy uwzględniają też informacje zwrotne, do których ludzie nie zawsze mają dostęp, i wyniki w długim horyzoncie czasowym, dzięki czemu analizowanie patologii z ich użyciem jest skuteczniejsze.
W medycznych systemach ekspertowych, programach komputerowych do doradzania, analizowania, kategoryzowania, przewidywania, identyfikowania, interpretowania itd. ‒ danych wejściowych do obliczeń niezbędnych do podejmowania decyzji dostarczają cechy kliniczne pacjentów. Niezawodność wnioskowania zależy m.in. od dokładności tych danych, od jakości bazy wiedzy stanowiącej pole różnicowania objawów, od skuteczności modeli matematycznych stosowanych w systemach wnioskowania ‒ na niskim poziomie złożoności wnioskowania algorytmicznego, zaś na wyższych poziomach złożoności o typie sieci neuronowych lub algorytmów genetycznych.
W przeszłości lekarz często opierał się na intuicji i wiedzy zdroworozsądkowej, obecnie może mieć do dyspozycji systemy informatyczne, które na końcu sformalizowanego procesu postawią rozpoznanie, które on następnie zweryfikuje. Jednak inżynierowie i lekarze współpracujący przy tworzeniu tych maszyn napotykają na dość nieoczekiwaną przeszkodę ‒ przecenianie przez lekarzy skuteczności badań klinicznych i niedocenianie obiektywizmu algorytmów statystycznych! Dlatego specjaliści od sztucznej inteligencji twierdzą, że dopiero współpraca inteligentnych maszyn z ludzkim umysłem zapewniłaby wiarygodność i trafność procesu diagnozowania, stworzyłaby jego nową jakość.
Jak dotąd maszyny nie potrafią odczytywać emocjonalnych sygnałów pacjenta, a zdolności poznawczych i zmysłowych lekarza, jego unikatowych właściwości umysłowości i osobowości nie da się ani zastąpić algorytmami, ani też ich zautomatyzować. A to one ‒ obok wiedzy, doświadczenia, intuicji, uznania niepowtarzalności każdego organizmu ‒ decydują o trafności diagnozy. Klinicyści, zmieniając nastawienie do systemów ekspertowych i automatycznych wspomagających proces diagnostyczny, nie przyczyniliby się do odhumanizowania go, a raczej pozwoliliby im wzmocnić najważniejszą procedurę w medycynie ‒ myślenie.
Pełen tekst artykułu można przeczytać w wakacyjnym numerze Służby Zdrowia
