АИ је једнако добар у дијагностицирању болести као и људи
Први систематски преглед и метаанализа ове врсте открива да је вештачка интелигенција (АИ) подједнако добра у дијагностицирању болести на основу медицинске слике као и здравствени радници. Међутим, неопходне су још висококвалитетне студије.
Нови чланак испитује постојеће доказе у покушају да утврди да ли АИ може дијагностиковати болести једнако ефикасно као здравствени радници.
Према сазнањима аутора - то јест, огроман тим истраживача предвођених професором Аластаиром Деннистоном из Универзитетских болница Бирмингхам НХС Фоундатион Труст из Уједињеног Краљевства - ово је први систематски преглед који упоређује перформансе АИ са медицинским радницима за све болести.
Професор Деннистон и тим претражили су неколико медицинских база података за све студије објављене између 1. јануара 2012. и 6. јуна 2019. Тим је објавио резултате своје анализе у часопису Ланцет Дигитал Хеалтх.
АИ је раван здравственим радницима
Истраживачи су тражили студије које су упоређивале дијагностичку ефикасност алгоритама дубоког учења са ефикасношћу здравствених радника када су поставили дијагнозу на основу медицинског снимања.
Испитивали су квалитет извештавања у поменутим студијама, њихову клиничку вредност и дизајн студија.
Штавише, када је реч о процени дијагностичких перформанси АИ у поређењу са здравственим радницима, истраживачи су разматрали два исхода: специфичност и осетљивост.
„Осетљивост“ дефинише вероватноћу да дијагностички алат добије позитиван резултат код људи који имају болест. Специфичност се односи на тачност дијагностичког теста, који допуњује меру осетљивости.
Процес селекције дао је само 14 студија чији је квалитет био довољно висок да се укључи у анализу. Професор Деннистон објашњава: „Прегледали смо преко 20.500 чланака, али мање од 1% њих било је довољно робусно у свом дизајну и извештавању да су независни рецензенти имали велико поверење у њихове тврдње.“
„Шта више, само 25 студија је екстерно потврдило моделе уметне интелигенције (користећи медицинске слике из друге популације), а само 14 студија упоређивало је перформансе уметника уметних интелигенција и здравствених радника користећи исти тестни узорак.“
„У оквиру те прегршт висококвалитетних студија открили смо да дубоко учење заиста може открити болести у распону од карцинома до очних болести подједнако прецизно као и здравствени радници. Али важно је напоменути да АИ није у бити надмашио људску дијагнозу. “
Проф. Аластаир Деннистон
Прецизније, анализа је открила да АИ може правилно дијагнозирати болест у 87% случајева, док су откривање од стране здравствених радника дало 86% тачности. Специфичност алгоритама за дубинско учење била је 93%, у поређењу са људским 91%.
Предрасуде могу преувеличати перформансе АИ
Професор Деннистон и његове колеге такође скрећу пажњу на неколико ограничења која су открили у студијама које испитују дијагностичке перформансе АИ.
Прво, већина студија испитује дијагностичку тачност вештачке интелигенције и здравствених радника у изолованом окружењу које не опонаша редовну клиничку праксу - на пример, лишавајући докторе додатних клиничких информација које би им обично требале за постављање дијагнозе.
Друго, кажу истраживачи, већина студија упоређивала је само скупове података, док би висококвалитетно истраживање у дијагностичким перформансама захтевало такво поређење код људи.
Даље, све студије патиле су од лошег извештавања, кажу аутори, при чему анализа не узима информације које су недостајале у наведеним скуповима података. „Већина [студија] није пријавила да ли недостају неки подаци, колики је то удео и како су се подаци који недостају обрађивали у анализи“, пишу аутори.
Додатна ограничења укључују недоследну терминологију, нејасно постављање прага за анализу осетљивости и специфичности и недостатак валидације ван узорка.
„Постоји инхерентна напетост између жеље да се користи нова дијагностика која може спасити живот и императива да се развију висококвалитетни докази на начин који може користити пацијентима и здравственим системима у клиничкој пракси“, коментарише први аутор др. Ксиаокуан Лиу из Универзитет у Бирмингхаму.
„Кључна лекција из нашег рада је да је у АИ - као и у било ком другом делу здравствене заштите - важан добар дизајн студија. Без ње можете лако увести пристраност која искривљује ваше резултате. Ове пристрасности могу довести до претјераних тврдњи о добрим перформансама АИ алата који се не преводе у стварни свет. “
Др Ксиаокуан Лиу
„Докази о томе како ће алгоритми АИ променити исходе пацијента морају произаћи из поређења са алтернативним дијагностичким тестовима у рандомизираним контролисаним испитивањима“, додаје коаутор др Ливиа Фаес из очне болнице Моорфиелдс, Лондон, Велика Британија.
„За сада једва да постоји таква испитивања у којима се поступа по дијагностичким одлукама које доноси алгоритам АИ да би се видело шта се онда дешава са исходима који су заиста битни за пацијенте, попут правовременог лечења, времена за отпуст из болнице или чак стопе преживљавања.“
