Όταν ο αλγόριθμος εκπαιδεύει την Ιατρική

Τεχνητή νοημοσύνη και ιατρική: φίλοι ή εχθροί; 

Η ανάπτυξη της τεχνητής νοημοσύνης τα τελευταία χρόνια είναι ραγδαία. Δημοφιλείς εφαρμογές όπως η Siri και το chatGPT έχουν γίνει αναπόσπαστο κομμάτι της ζωής μας λόγω της ευχρηστίας και της ευκολίας που παρέχουν στη καθημερινότητα μας.  Ακόμα, η επιστημονική κοινότητα θεωρεί την τεχνητή νοημοσύνη ένα ισχυρό όπλο στην κατανόηση και την καταπολέμηση παθολογικών ασθενειών [1]. Με την σωστή χρήση των διαφόρων αλγόριθμων τόσο η κλινική μελέτη και άσκηση όσο και οι ασθενείς μπορούν να επωφεληθούν στο μέγιστο.

Ένα πείραμα με πολύ εντυπωσιακά αποτελέσματα σχεδίασε μια ερευνητική ομάδα συνιστάμενη από επιστήμονες και μηχανικούς της Google Research και της Google DeepMind.  Η συγκεκριμένη ομάδα ανέπτυξε ένα νέο αλγόριθμο ο οποίος μέσω συζήτησης με τον ασθενή έχει στόχο να καταγράψει το ιατρικό του ιστορικό. Η εκπαίδευση του αλγόριθμου έγινε μέσα από μεγάλες βάσεις δεδομένων καθώς επίσης και από πραγματικές συζητήσεις μεταξύ γιατρού και ασθενή. Η ακριβής καταγραφή των συμπτωμάτων καθώς και του ιατρικού ιστορικού του ασθενούς είναι μια εξαιρετικά σημαντική δεξιότητα αφού ένα μεγάλο ποσοστό της σωστής διάγνωσης και της επιλογής της καταλληλότερης θεραπείας βασίζεται στην επιτυχία αυτού του σταδίου. Επίσης, σε αυτό το στάδιο δημιουργείται μια σχέση εμπιστοσύνης μεταξύ ασθενούς και γιατρού.


Για να εξετάσουν την επιτυχία του αλγόριθμου, οι ερευνητές σχεδίασαν ένα πείραμα με συμμετέχοντες ασθενείς ηθοποιούς, γιατρούς και έναν εξεταστή ο οποίος εξέταζε την αλληλεπίδραση μεταξύ των δύο πλευρών, βασιζόμενο στην διαδικτυακή συζήτηση. Οι ασθενείς-ηθοποιοί χρησιμοποίησαν 149 πιθανά σενάρια χωρίς όμως να γνωρίζουν αν συνομιλούσαν με τον γιατρό ή με τον αλγόριθμο. Οι ερευνητές μετά αξιολόγησαν και σύγκριναν τις απαντήσεις των τελευταίων δύο. Παράλληλα ο ασθενής αξιολόγησε τις επικοινωνιακές δεξιότητες του συνομιλητή του βασιζόμενος στην διαδικτυακή τους συζήτησης.  
Ο αλγόριθμος είχε υψηλότερο βαθμό επιτυχίας στις διαγνώσεις για ιατρικές ασθένειες καθώς επίσης στα κριτήρια σχετικά με τις επικοινωνιακές δεξιότητες συγκριτικά με τους γιατρούς που έλαβαν μέρος στη μελέτη. Πιο συγκεκριμένα, οι απαντήσεις του αλγόριθμου αξιολογήθηκαν ως απαντήσεις με περισσότερη ενσυναίσθηση και με περισσότερο σεβασμό για την ευεξία του ασθενή συγκριτικά με τις απαντήσεις από τους πραγματικούς γιατρούς. Οι ερευνητές εξηγώντας τα αποτελέσματα, υποστηρίζουν ότι οι γιατροί που έλαβαν μέρος στη μελέτη δεν ήταν εξοικειωμένοι με την ανάληψη ιστορικού μέσω γραπτού λόγου. Ακόμα, ο αλγόριθμος είναι εκπαιδευμένος να συντάσσει μακροσκελή και όμορφα δομημένο λόγο σε σχέση με τον γιατρό, κάτι που ίσως ο ασθενής να εξέλαβε σαν περισσότερη προσοχή και επεξήγηση [2]. 

Είναι σημαντικό να τονίσουμε ότι ο συγκεκριμένος αλγόριθμος είναι ακόμα υπό μελέτη μιας και προκύπτουν αρκετά ηθικά ζητήματα ως προς την χρήση του στην κλινική πρακτική. Παρ’ όλα αυτά, τα αποτελέσματα της μελέτης δίνουν τροφή για σκέψη και προβληματισμό πέραν της αξιολόγησης ενός πειραματικού αλγόριθμου. Για παράδειγμα, η ανάπτυξη της ενσυναίσθησης και των επικοινωνιακών δεξιοτήτων είναι πολύ σημαντικά στοιχεία για τον ρόλο του γιατρού. Καλό θα ήταν να δοθεί περισσότερη έμφαση σε αυτό το κομμάτι για την  εκπαίδευση της παρούσας και της νέας γενιάς επιστημόνων και γιατρών. Ακόμα, είναι σημαντικό να εκτιμήσουμε την αξία της σωστής εκπαίδευσης στην ανάπτυξη της κριτικής σκέψης του ατόμου και το γεγονός ότι προσφέρει βαθιά κατανόηση του αντικειμένου, κάτι το οποίο δύσκολα μπορεί να αναπτύξει ο αλγόριθμος. Η τεχνητή νοημοσύνη μπορεί να γίνει η καλύτερη μας φίλη βοηθώντας την επιστήμη και τη ζωή να πάνε ένα βήμα παραπέρα, μόνο αν οι άνθρωποι μάθουν να εξελίσσονται παράλληλα με αυτή.
 

Πηγές:
[1] Islam, Md Saiful, et al. Using AI to measure Parkinson’s disease severity at home. npj Digital Medicine 6.1 (2023): 156.
[2] Tu, Tao, et al. Towards conversational diagnostic ai. arXiv preprint arXiv:2401.05654 (2024).