Η τεχνητή νοημοσύνη στην υπηρεσία της υγείας

Νίκος Παραγιός
Distinguished Professor of Mathematics at Université Paris-Saclay, Γαλλία
 

Τα τελευταία χρόνια παρατηρούμε μια κομβική αλλαγή στον τομέα της υγειονομικής περίθαλψης. Η ιατρική ακριβείας είναι μια νέα αναδυόμενη έννοια, που επιδιώκει να υπερβεί την αρχή του μέσου ασθενούς. Η κεντρική ιδέα είναι να μπορούμε να χαρακτηρίζουμε τον φαινότυπο της νόσου σε επίπεδο ασθενούς και να προτείνουμε μία εξατομικευμένη θεραπεία μέσω της αυτόματης ανάλυσης πολυμορφικών δεδομένων με τη βοήθεια της μηχανικής μάθησης. Η τεχνητή νοημοσύνη είναι ένας από τους ακρογωνιαίους λίθους αυτής της επανάστασης.

Ο ορισμός της τεχνητής νοημοσύνης είναι αρκετά απλός. Ο στόχος είναι να δημιουργήσουμε έξυπνους αλγορίθμους και τις αντίστοιχες προγραμματιστικές λύσεις, που δίνουν τη δυνατότητα στους υπολογιστές για συγκεκριμένα προβλήματα να αναπαράγουν ή ακόμα και να ξεπερνούν την ανθρώπινη λογική (νοημοσύνη). Η ιατρική είναι ένας από τους τομείς όπου η επίδραση της τεχνητής νοημοσύνης είναι άκρως σημαντική. Αφενός, με το πέρασμα του χρόνου, οι ιατρικές εξετάσεις γίνονται όλο και πιο πολύπλοκες, αλλά και πολυμορφικές, συνδυάζοντας βιολογικές αναλύσεις, ακτινολογικές εξετάσεις και γονιδιακά δεδομένα, και δημιουργώντας ένα τεράστιο φάσμα πληροφορίας, το οποίο ο ανθρώπινος εγκέφαλος αδυνατεί να επεξεργαστεί ταυτόχρονα. Αφετέρου, οι πολυμορφικές εξετάσεις μάς δίνουν πλέον τη δυνατότητα μιας πιο ακριβούς/λεπτομερούς υποκατηγοριοποίησης των ασθενειών.

Πρακτικές περίθαλψης εξειδικευμένων κέντρων θα μπορούσαν με τη βοήθεια της τεχνητής νοημοσύνης να εξαπλωθούν σε όλο το οικοσύστημα υγείας.

Η χρήση της τεχνητής νοημοσύνης στον τομέα της υγείας θα μπορούσε να έχει πολλαπλές θετικές επιπτώσεις. Η πλέον προφανής είναι να καλύψει το τεράστιο κενό βασικού ειδικευμένου προσωπικού, ιδιαίτερα στις αναπτυσσόμενες χώρες, όπου η παροχή βασικής υγειονομικής περίθαλψης είναι περισσότερο εξαρτωμένη από την έλλειψη εξειδικευμένου προσωπικού, παρά από την έλλειψη τεχνολογίας. Η τυποποίηση/δημιουργία προτύπων θεραπειών, που αναπαράγονται όχι μόνο στα εξειδικευμένα κέντρα, αλλά σε οποιοδήποτε ίδρυμα περίθαλψης, είναι ένα άλλο τεράστιο όφελος της τεχνητής νοημοσύνης. Οι διαφορές των πρακτικών περίθαλψης μεταξύ των εξειδικευμένων κέντρων και των γενικών νοσοκομείων είναι τεράστιες. Θα μπορούσε κανείς να φανταστεί ότι πρακτικές που εφαρμόζονται σε αυτά τα κέντρα θα μπορούσαν να παραχθούν με τη βοήθεια της τεχνητής νοημοσύνης και να εξαπλωθούν σε όλο το οικοσύστημα υγείας, περιορίζοντας τα ιατρικά λάθη και βελτιώνοντας την ποιότητα της ιατρικής περίθαλψης.

Η ποιότητα/αποτελεσματικότητα της χορηγούμενης θεραπείας είναι ένας άλλος τομέας που θα μπορούσε σημαντικά να επωφεληθεί από τη χρήση της τεχνητής νοημοσύνης. Σήμερα για πολλές ασθένειες, όπως ο καρκίνος, εξειδικευμένες θεραπείες είναι αποτελεσματικές σε ένα υποσύνολο των ασθενών. Η τεχνητή νοημοσύνη μάς επιτρέπει να αντιληφθούμε αόρατες για το ανθρώπινο μάτι συσχετίσεις μεταξύ της αποτελεσματικότητας της θεραπείας και του επιλεγμένου θεραπευτικού σχήματος. Οι συσχετίσεις αυτές μπορούν να χρησιμοποιηθούν μελλοντικά για την επιλογή της βέλτιστης θεραπείας σε ασθενείς με παρόμοια συμπτώματα.

Η σύμπτυξη του κύκλου της ανάπτυξης φαρμάκων είναι ένας άλλος τομέας όπου η τεχνητή νοημοσύνη μπορεί να έχει τεράστια επίδραση. Η δημιουργία όλο και πιο εξειδικευμένων θεραπειών αυξάνει συνεχώς τη διάρκεια και το κόστος δημιουργίας νέων φαρμακευτικών αγωγών, καθώς και το ποσοστό αποτυχιών. Η δυνατότητα συλλογής και ανάλυσης δεδομένων επιτρέπει, κατά τη διάρκεια των ιατρικών δοκιμών, να ανακαλύψουμε δείκτες αποτελεσματικότητας της θεραπείας και να την κατευθύνουμε προς τους κατάλληλους δέκτες-ασθενείς, δηλαδή τους ασθενείς που έχουν μεγάλη πιθανότητα να αποκριθούν καλύτερα σε αυτή.

Ζούμε σε μια εποχή όπου η εξέλιξη των ιατρικών τεχνολογιών σε συνδυασμό με την αυτόματη ανάλυση πολυμορφικών ιατρικών δεδομένων μέσω τεχνητής νοημοσύνης συνεισφέρουν σε μια επανάσταση στον τομέα της υγείας, με τεράστιες ευνοϊκές συνέπειες για την ανθρωπότητα στο άμεσο μέλλον.

 

Επιστροφή στο ΤΕΥΧΟΣ 41ο - ΝΟΕΜΒΡΙΟΣ - ΔΕΚΕΜΒΡΙΟΣ 2021