Η τεχνητή νοημοσύνη (AI) ενσωματώνεται ταχύτατα στα ιατρικά πρωτόκολλα, αναδιαμορφώνοντας τα δεδομένα στην ιατρική διάγνωση. Η τεχνολογία προσφέρει ταχύτερες απαντήσεις σε ασθενείς με σπάνιες παθήσεις, οι οποίοι παραδοσιακά δαπανούν πέντε ή περισσότερα χρόνια αναζητώντας την ακριβή φύση του προβλήματός τους. Σύμφωνα με δημοσίευμα της Wall Street Journal, ασθενείς, γιατροί και νοσηλευτικό προσωπικό στρέφονται πλέον μαζικά σε αυτά τα εργαλεία για τον εντοπισμό αδιάγνωστων νοσημάτων.
Χαρακτηριστική είναι η περίπτωση της Rachel Hinken από το Long Island της Νέας Υόρκης, η οποία ανησυχούσε για την ανάπτυξη του 10χρονου γιου της, Oliver, καθώς παρουσίαζε καθυστερήσεις στην ομιλία και το περπάτημα, ενώ το ύψος του δεν ξεπερνούσε τα 1,20 μέτρα. Παρότι οι ιατροί την καθησύχαζαν, η Hinken χρησιμοποίησε πέρυσι το Face2Gene, μια εφαρμογή AI για επαγγελματίες υγείας που εντοπίζει σπάνιες γενετικές διαταραχές μέσω ανάλυσης προσώπου.
Το σύστημα υπέδειξε ισχυρή πιθανότητα για το σύνδρομο TRPS (Trichorhinophalangeal syndrome), το οποίο προκαλεί οστικά και αρθρικά προβλήματα. Ο γενετικός έλεγχος που ακολούθησε επιβεβαίωσε το αποτέλεσμα τόσο για τον Oliver όσο και για την ίδια.
Φώναξα, είπα "Θεέ μου! Επιτέλους έχουμε μια απάντηση!
Η τεχνητή νοημοσύνη αποδεικνύεται ιδιαίτερα ικανή στην επισήμανση σπάνιων νοσημάτων που συχνά διαφεύγουν από τους ιατρούς, καθώς σπάνια τα συναντούν στην καθημερινή πρακτική τους. Η Δρ. Sarah Diekman, ειδική σε διαταραχές του νευρικού συστήματος όπως το σύνδρομο POTS, σημείωσε ότι έχει συναντήσει ασθενείς που είχαν την πάθηση για 50 χρόνια μέχρι να διαγνωστούν. Πλέον, ασθενείς που αναγνωρίζουν το POTS μέσω chatbots καταφεύγουν σε αυτήν εντός μηνών από την εμφάνιση των πρώτων συμπτωμάτων.
Στο ίδιο πλαίσιο, η Fidji Simo, πρώην διευθύνουσα σύμβουλος της Instacart που αποχώρησε τον Ιούλιο από τη θέση του Νο. 2 στελέχους της OpenAI λόγω θεμάτων υγείας, μίλησε στη Wall Street Journal για τη δική της μάχη με το POTS. Όπως ανέφερε, τα συμπτώματά της ξεκίνησαν το 2015 και η διάγνωση απαίτησε εννέα μήνες, καθώς οι γιατροί εστίαζαν στο γεγονός ότι είχε μια δύσκολη εγκυμοσύνη. Η ίδια χρησιμοποίησε το ChatGPT για να αναλύσει την αλληλούχηση του γονιδιώματός της και ίδρυσε μια νέα εταιρεία εστιασμένη στις βιολογικές αιτίες του συνδρόμου.
Σε ορισμένες περιπτώσεις, οι διαγνώσεις που βασίζονται σε δεδομένα αποδεικνύονται πιο ακριβείς. Μελέτη που δημοσιεύθηκε πέρυσι στο περιοδικό JAMA εξέτασε τις ικανότητες των chatbots σε 90 ήδη επιλυμένες, πολύπλοκες υποθέσεις σπάνιων παθήσεων. Δύο chatbots πέτυχαν τη σωστή διάγνωση στο 13% και 10% των περιπτώσεων αντίστοιχα, έναντι μόλις 5,6% των γιατρών που βασίστηκαν στους ιατρικούς φακέλους.
Οι κλινικές εφαρμογές, τα όρια της τεχνολογίας και οι προκλήσεις
Σύμφωνα με τον Δρ. Matthew G. Hanna, επικεφαλής της επιτροπής AI του College of American Pathologists, η τεχνολογία εντοπίζει άριστα μοτίβα ανάμεσα σε φυσικά χαρακτηριστικά και ιατρική βιβλιογραφία, βοηθώντας ιατρούς σε αγροτικές ή μη εξειδικευμένες κλινικές. Ωστόσο, ο κλινικός γενετιστής Δρ. Xiao P. Peng, διευθυντής προηγμένων διαγνωστικών στο New York Center for Rare Diseases, υπογραμμίζει ότι η AI δημιουργεί ενδείξεις αλλά δεν αντικαθιστά τον άνθρωπο, καθώς απαιτείται ανθρώπινος ρόλος για τη σύνθεση των δεδομένων.
Στη Mayo Clinic του Rochester, ο νοσηλευτής Michael Ames χρησιμοποίησε ένα εσωτερικά ανεπτυγμένο και εγκεκριμένο από τον FDA εργαλείο AI για τον 77χρονο ασφαλιστή Mike Busch, ο οποίος προσήλθε με δύσπνοια. Ενώ η ιατρική ομάδα υποπτευόταν καρδιακή ανεπάρκεια ή πνευμονία, η AI ανέλυσε το ηλεκτροκαρδιογράφημα δίνοντας 98% πιθανότητα για καρδιακή αμυλοείδωση, πάθηση που επιβεβαιώθηκε με περαιτέρω απεικόνιση.
Αν δεν υπήρχε η AI, μπορεί να μην ήμουν εδώ
Η βασική πρόκληση αφορά τα δεδομένα εκπαίδευσης, καθώς υπάρχουν λιγότερα διαθέσιμα στοιχεία για τις σπάνιες παθήσεις, τα οποία συχνά δεν είναι ψηφιοποιημένα. Για την αντιμετώπιση του προβλήματος, ο Hanna συνέβαλε στην ανάπτυξη του ScanVan, μιας κινητής μονάδας που αντλεί δεδομένα από νοσοκομεία του Department of Veterans Affairs. Ταυτόχρονα, η Anthropic ανακοίνωσε τον Ιούλιο σχέδια χρηματοδότησης βιοτεχνολογικής έρευνας, θεωρώντας ότι το μοντέλο Claude μπορεί να επιταχύνει τις διαδικασίες.
Κινητικότητα καταγράφεται και στη φαρμακοβιομηχανία.
Η εταιρεία συμβούλων ZS κατασκευάζει εργαλεία για τον εντοπισμό ασθενών εκ μέρους φαρμακευτικών ομίλων, όπως σημειώνει ο Bill Coyle, επικεφαλής της ZS στην Ευρώπη. Ένα τέτοιο εργαλείο για τη βαριά μυασθένεια οδήγησε στη διάγνωση 20 από τους 140 χρήστες του.
Παρά τη διευκόλυνση στην οργάνωση των ιατρικών αρχείων, υφίστανται και κίνδυνοι. Η Danielle Carnival, CEO του Undiagnosed Diseases Network Foundation, προειδοποιεί ότι αν η AI προσφέρει απλώς περισσότερες πληροφορίες χωρίς σαφή καθοδήγηση, μπορεί να προκαλέσει σύγχυση, μεταθέτοντας υπερβολική ευθύνη στις οικογένειες να γίνουν ταχύτατα ειδικοί.
