Штучний інтелект для медицини потребує тесту Тьюрінга - СТАТ
Майкл Дж. Джойнер
Якщо ви читаєте гучні медичні журнали, популярну пресу та журнали, такі як Science або Nature, стає зрозуміло, що медикалізація штучного інтелекту, машинного навчання та великих даних у розпалі. Спекуляції з приводу того, що вони можуть зробити для медицини. Настав час випробувати їх.
З того, що я можу сказати, штучний інтелект, машинне навчання та великі дані - це в основному жаргон для однієї з двох речей. Перший - про все більші та більші комп’ютери, які перебирають гори даних, щоб виявити закономірності, які можуть бути незрозумілими навіть для найбільш підготовлених та найкваліфікованіших людей. Другий - про автоматизацію рутинних і навіть складних завдань, які зараз виконують люди. Деякі з них можуть бути «механічними», як адаптивні роботи в лікарні, а інші можуть бути «когнітивними», як постановка складного діагнозу. Інші можуть бути комбінацією обох, як у майже за поворотом самокерованих автомобілях.
Ідея комп’ютерів, що сортують дані та виявляють закономірності, представляє великий інтерес для аналізу зображень, таких як мамографії та колоноскопії, а також для інтерпретації електрокардіограм. Але це насправді трансформаційне чи роман? Рання версія цифрового аналізу зображень та розпізнавання обличчя була запропонована багатозначником Френсісом Гальтоном наприкінці 1800-х років. Подібним чином, машинне зчитування електрокардіограм відбувається з принаймні з 1960-х років. Звичайно, існують такі проблеми зі штучним інтелектом та машинним навчанням, як надмірна діагностика та неправильне прочитання, але суть полягає в тому, що з часом більше даних та технологій вирішать такі проблеми.
Можливо, однак перепродаж IBM Ватсоном використання штучного інтелекту для виявлення нових підходів до лікування раку є попереджувальною історією і нагадує нам, що багато речей у медицині не мають фіксованих правил та стереотипних особливостей, і тому ШІ буде важко вирішити.
Стартапи AI мчаться у розробці ліків. Ось 5 гострих питань, які з них виживуть
Ще одна надія полягає в тому, що ШІ міг би якось переосмислити медицину, покращивши робочі процеси та замінивши поточну припливну хвилю екранного часу на час, що відповідає пацієнтам. Хоча це могло статися, всі дані та пов'язана з ними аналітика також можуть призвести до дедалі гнітнішої версії медичного тейлоризму та прагнення до "ефективності".
Цілком можливо, що технологія може звільнити лікарів та покращити їх взаємодію з пацієнтами, але, як показує нещодавній перехід до електронних медичних карт, це далеко не певне та економічні імперативи корпоративної медицини бачити більше пацієнтів, отримувати більше витрат та генерувати більше пропускна здатність може так само легко переважати. Регулятори також, швидше за все, зважать. І хоча “Alexa, будь ласка, заповніть рецепт місіс Сміт”, здається досить простим, ми - або хочемо - дійдемо до “Alexa, будь ласка, призначте місіс Сміт все, що їй потрібно для заміни стегна. "?
Я думаю, нам потрібен тест Тьюрінга для медичного штучного інтелекту. Такий тест, запропонований британським математиком та інформатиком Аланом Тьюрінгом у 1950 році, може визначити, чи здатний комп’ютер виконувати складні функції, як людина. Для медицини тест повинен бути проблемою, яку зараз важко вирішити. Ось один, на мій погляд, був би ідеальним: створити план схуднення для пацієнтів з важким ожирінням (індекс маси тіла 40 і більше), який є таким же ефективним, як і баріатрична хірургія. Це було б класичним випробуванням без погіршення якості, в якому новий спосіб лікування не менш ефективний, ніж той, що вже використовується.
Лікування ожиріння як тест на медичний ШІ має перевагу в легко вимірюваному результаті - потрібен лише масштаб - і стан, який потенційно може бути вилікуваний одним або кількома втручаннями. Хірургічне втручання ефективно для стійкого схуднення, і є хороші дані про найбільш ефективні хірургічні підходи. Але це не єдиний варіант - деякі люди досягають тривалої втрати ваги без операції. Ожиріння класу 3 є загальним захворюванням з великою кількістю небезпечних захворювань, включаючи підвищений ризик розвитку діабету, серцевих захворювань, раку та артриту, а також проблем із повсякденною діяльністю, тому можливість набору мотивованих учасників для рандомізованого дослідження повинна бути відносно легким.