وعلى الرغم من أن الذكاء الاصطناعي لا يتعامل مع كل مرض حتى الآن ، فإن نتائج عمله تبدو واعدة بالفعل
يتطلب العلاج الفعال للمرضى مزيجًا من التدريب والخبرة. هذا هو أحد الأسباب التي تجعل الناس يتطلعون إلى استخدام الذكاء الاصطناعي في الطب باهتمام: يمكن تدريب الخوارزميات على استخدام تجربة الآلاف من الأطباء من خلال إعطائهم معلومات أكثر مما يمكن لأي شخص هضمه.
في نهاية أكتوبر ، كان هناك بعض الأدلة على أن البرنامج ربما اقترب من تلبية هذه التوقعات. تم نشر ورقتين تصفان النتائج الأولية الممتازة لاستخدام الذكاء الاصطناعي في التشخيص والعلاج. تشير الأوراق إلى مهام ومناهج مختلفة تمامًا ، مما يشير إلى أن نطاق المواقف التي يمكن أن يكون فيها الذكاء الاصطناعي مفيدًا واسعًا جدًا.
اختيار طرق العلاج
ركزت
إحدى الدراسات على
الإنتان (تسمم الدم) الذي يحدث عندما يتفاعل الجهاز المناعي بشكل مفرط مع العدوى. الإنتان هو ثالث أكثر أسباب الوفاة شيوعًا في جميع أنحاء العالم ، ولا يزال يمثل مشكلة حتى بعد دخول المستشفى. توجد طرق لعلاج المرضى ، ولكن استنادًا إلى الإحصائيات ، هناك فرص كبيرة لتحسين الوضع. لذلك ، قرر فريق صغير من العلماء من بريطانيا والولايات المتحدة التحقق مما إذا كان البرنامج يمكن أن يوفر هذا التحسين.
استخدموا خوارزمية
التعلم المعزز التي اعتبرت فعالة في المواقف مع "إشارات مكافأة نادرة". وبعبارة أخرى ، مع هذه العينة الكبيرة من السكان ، سيكون لدى الجسم الكثير من الأشياء الأخرى باستثناء الإنتان ، والتي ستؤثر على نتائج أي علاج ، وبالتالي فإن إشارات العلاج الفعال ستكون ضعيفة ويصعب تمييزها. تم تطوير هذا النهج لزيادة فرص الاعتراف بهم.
تم استخدام قاعدة كبيرة لتدريب البرنامج: أكثر من 17000 من مرضى الإنعاش و 79000 من المرضى في المستشفيات من أكثر من 125 عيادة. تضمنت بيانات المرضى 48 معلمة معلومات ، من المؤشرات الحيوية والاختبارات المعملية إلى الديموغرافيا. استخدمت الخوارزمية البيانات لتحديد العلاج الذي يزيد من فرصة المريض في البقاء على قيد الحياة لمدة 90 يومًا. أطلق الباحثون على البرنامج الناتج "AI Clinician".
لتقييم جودة عمل طبيب الذكاء الاصطناعي ، تم استخدام مجموعة منفصلة من التواريخ الطبية للمرضى. تم استخدام الخوارزمية لتحديد طريقة العلاج ، وبعد ذلك تمت مقارنة العلاج الفعلي للمرضى بالخوارزمية المقترحة. بشكل عام ، أوصى البرنامج بجرعات أقل من الحقن وجرعات أعلى من أدوية مضيق للأوعية. الأشخاص الذين تزامن علاجهم مع هذه التوصيات نجوا في كثير من الأحيان أكثر من مجموعات أخرى من المرضى.
التشخيص
قيّمت
الورقة الثانية القدرة على اكتشاف المشاكل التي تتطلب العلاج ، على وجه الخصوص ، كسور العظام. غالبًا ما يكون من السهل رؤية مثل هذه المشاكل ، ولكن من الصعب ملاحظة رقاقة صغيرة أو صدع صغير حتى بالنسبة للمتخصص. في معظم الحالات ، لا يقع التشخيص على أكتاف أخصائي ، بل طبيب يعمل في سيارة إسعاف. لا تسعى الدراسة الجديدة إلى إنشاء ذكاء اصطناعي ليحل محل الأطباء ، فهي تريد مساعدتهم فقط.
طلب الفريق من 18 جراحًا عظميًا تشخيص 135000 صورة للكسور المحتملة في الرسغين ، ثم استخدموا هذه البيانات لتدريب الخوارزمية ، وهي
شبكة عصبية تلافيفية مع
تدريب متعمق . تم استخدام الخوارزمية لتمييز المناطق التي يجب على الأطباء غير المتخصصين في جراحة العظام الانتباه إليها. في الواقع ، ساعدهم على التركيز على المناطق التي يكون فيها الكسر على الأرجح.
في الماضي ، تم إجراء العديد من التشخيصات مثل هذه الاختبارات ، وأوصى الأطباء بإجراء اختبارات إضافية في الحالات غير الضارة. ولكن في هذه الحالة ، زادت دقة التشخيص ، وانخفضت الإيجابيات الكاذبة. ارتفعت الحساسية (أو القدرة) على تحديد الكسور من 81٪ إلى 92٪ ، وارتفعت الدقة (القدرة على التشخيص الصحيح) من 88٪ إلى 94٪. باختصار ، هذا يعني أن أطباء الإسعاف كانوا سيخفضون عدد التشخيصات غير الصحيحة إلى النصف تقريبًا.
في كلتا الدراستين ، لم يتم استخدام البرمجيات في سياق يعكس بالكامل الظروف الطبية. عادةً ما يكون لدى أطباء الطوارئ وأطباء الإنتان (الذين قد يكونون نفس الأشخاص) العديد من الأسباب الإضافية للإثارة والتشتت ، لذلك سيكون من الصعب دمج الذكاء الاصطناعي في عملهم. لكن نجاح هذه المحاولات يشير إلى أن التجارب السريرية للذكاء الاصطناعي يمكن أن تبدأ في وقت أبكر مما كان يعتقد سابقًا ، وبعد ذلك سنتعلم حقًا كيف يمكن للذكاء الاصطناعي أن يساعد في إجراء تشخيصات حقيقية ووصف العلاج.