ხელოვნური ინტელექტი გასტროენტეროლოგიაში — პაციენტზე მომავალი დაკვირვება ადამიანისა და კომპიუტერის თანამშრომლობა იქნება

ხელოვნურ ინტელექტს (YZ), ისევე როგორც სხვა დარგებში, გასტროენტეროლოგიაშიც (საჭმლის მომნელებელი სისტემა) ღრმა ცვლილებების მომტანი სიახლეები მოაქვს. განსაკუთრებით კუჭ-ნაწლავის სისტემის (GİS) დაავადებების დიაგნოსტიკასა და მკურნალობაში გადაწყვეტილების დამაჩქარებელი და აქტივობის უფრო ობიექტურად საზომი საშუალებები იქმნება. გასტროენტეროლოგიისა და გამოთვლითი მედიცინის მოწინავე სპეციალისტი Dr. Ryan W. Stidham University of Michigan-ში ხელოვნურ ინტელექტს იკვლევს და ამ მომავლის ჩამოყალიბებაში მნიშვნელოვან ნაბიჯებს დგამს. მისი მიზანია YZ გასტროენტეროლოგების გადაწყვეტილების მიღების ეფექტიანობის გასაზრდელ პრაქტიკულ ინსტრუმენტად აქციოს.

ხელოვნური ინტელექტისა და კუჭ-ნაწლავის დაავადებების პოტენციალი

Dr. Stidham-ის კარიერა ჯანმრთელობის ელექტრონული ჩანაწერების (ESK) გავრცელებასა და მონაცემების ადვილად ხელმისაწვდომობის პერიოდს დაემთხვა. თუმცა მონაცემთა სიუხვის მიუხედავად ჩანაწერები პაციენტის კლინიკურ მდგომარეობას საკმარისად ვერ აღწერდა. განსაკუთრებით ნაწლავის ანთებითი დაავადებების (İBH) მსგავს რთულ შემთხვევებში ტიპის, მდებარეობისა და სიმძიმის ძირითადი ცნობები აკლდა. მან მანქანური სწავლებით ექსპერტთა გადაწყვეტილებების შესწავლისა და გამეორების პოტენციალი დაინახა, თუმცა ამისთვის უკეთესი ხარისხის დაკვირვებითი მონაცემები იყო საჭირო.

ადრეული კვლევები და სირთულეები

ობიექტური ბიომარკერების გამოყენების მატებასთან ერთად გასტროენტეროლოგიაში ენდოსკოპიური ლორწოვანი ანთების სტანდარტული შეფასება გამოიკვეთა. მაგრამ შემფასებელთა განსხვავებების გამო ცენტრალიზებული წაკითხვა იყო საჭირო. თვისებრივ ენდოსკოპიურ მონაცემებსა და არასრულად ამსახველ გამოსახულებებს სიმძიმისა და ტიპის შესახებ ექსპერტებს შორისაც განსხვავებული აზრი შეიძლება გამოეწვია.

ამ ნაკლის გამოსასწორებლად Dr. Stidham-მა ხელოვნური ინტელექტით უკეთესი ენდოსკოპიური შეფასება დაისახა. გამოთვლითი სიმძლავრის ზრდის წყალობით კონვოლუციური ნეირონული ქსელები (CNN= convolutional neural network) მაშინ სამედიცინო გამოსახულებებშიც გამოყენებადი გახდა. სიმძიმის მსგავსი ნიშნულებით სწავლა CNN მოდელებს რთული ვიზუალური მახასიათებლების შეფასების მნიშვნელოვან პოტენციალს აძლევდა.

ციფრული ენდოსკოპიური შეფასება: წარმატების ისტორია ხელოვნური ინტელექტით

გეგმა მარტივი, მაგრამ რთული შესასრულებელი იყო: პაციენტების ენდოსკოპიური გამოსახულებების შეგროვება, ექსპერტებისთვის შეფასებინება და CNN მოდელის სწავლება. 2016 წელს საკმარისი მასალის მოპოვება და მონიშვნა ადვილი არ იყო. მთავარი სირთულე სხვადასხვა სიმძიმის ათიათასობით გამოსახულების მოძიება და ანალიზის ტექნიკური შეზღუდვების გადალახვა აღმოჩნდა. მრავალწლიანი ძალისხმევით ბოლოს სამუშაო მოდელი შეიქმნა.

მიღებული CNN მოდელი წყლულოვანი კოლიტის სიმძიმის შეფასებისას IBD ექსპერტთა აზრს თითქმის ზუსტად დაემთხვა. ეს პირველი მტკიცებულება იყო, რომ ხელოვნურ ინტელექტს რთული დაავადების ავტომატური გაზომვა შეუძლია.

მომავალში გასტროენტეროლოგები ხელოვნური ინტელექტით უფრო ეფექტიანად იმუშავებენ

Dr. Stidham-ის თქმით, YZ-ის მთავარი სარგებლის მნიშვნელოვანი ნაწილი ადმინისტრაციული ტვირთის შემცირება იქნება. ავტომატური დოკუმენტირება, კლინიკის აუდიოჩანაწერებიდან შენიშვნების შექმნა და ენდოსკოპიური ვიდეოდან პროცედურის ჩანაწერის მომზადება მალე რეალობად იქცევა. ექიმებს ინდივიდუალურ გეგმებსა და რთულ გადაწყვეტილებებზე მეტი დრო დარჩებათ.

YZ უკვე გამოიყენება ვაქცინაციის, ლაბორატორიული სკრინინგისა და მკურნალობის მონიტორინგის მსგავს მუდმივი ზრუნვის პროცესებშიც. მოსალოდნელია ექიმების დატვირთვის შემსუბუქება და მკურნალობის ხელმისაწვდომობის გაუმჯობესება. თუმცა Dr. Stidham-ის აზრით, ამ სიახლეების მიერ სიმსივნური ტვირთის დაუყოვნებლივ შემცირებით პროფესიული გადაწვის მოგვარება შესაძლებლად არ ჩანს.

შეუძლია ხელოვნურ ინტელექტს ექიმებს გაუმკლავდეს?

თავდაპირველად Dr. Stidham ფიქრობდა, რომ YZ გასტროენტეროლოგებს გააოგნებდა, მაგრამ შემდეგ აზრი შეიცვალა. მისი თქმით, სისტემას ინდივიდუალური კონტექსტის გაგება და თითოეული პაციენტისთვის სწორი გადაწყვეტილების შერჩევა უჭირს. გამოცდილ ექიმს მონაცემების ნაკლის წინასწარ დანახვა და ინფორმაციის წონის პაციენტზე მორგება შეუძლია. ამიტომ რუტინულ და განმეორებად საქმეში YZ შეიძლება უკეთესი იყოს, მაგრამ კუჭ-ნაწლავის დაავადების ყოველდღიურ მართვაში გამოცდილებას, შემოქმედებითობასა და ექსპერტულ ცოდნას ვერ ცვლის.

ხელოვნური ინტელექტი და გასტროენტეროლოგია: პრაქტიკულ გამოყენებაზე გადასვლა

რეალურ გამოყენებაზე გადასვლის გარდამტეხ მომენტად Stidham გასულ გაზაფხულზე Microsoft Research-ის ხელმძღვანელის, Peter Lee-ს ლექციას ასახელებს. იქ დიდი ენობრივი მოდელების (LLM) სამედიცინო ტექსტის გაგებისა და პასუხის უნარი აჩვენეს. კლინიკური ვიზიტის აუდიოდან SOAP-ის (სუბიექტური, ობიექტური შეფასება და გეგმა) ჩანაწერის შექმნის მსგავსმა მაგალითებმა მასზე შთაბეჭდილება მოახდინა.

ამ განვითარებამ ცხადი გახადა, რომ ადმინისტრაციულ საქმეს, დოკუმენტაციას, ანგარიშებსა და შემდგომი დაკვირვების ჩანაწერებს YZ მოამზადებს. მივდივართ მომავლისკენ, სადაც კუჭ-ნაწლავის დარგის ექიმები მანქანების დახმარებით უფრო მეტად შემოქმედებითობასა და კლინიკურ გადაწყვეტილებაზე კონცენტრირდებიან.

გასტროენტეროლოგების მომავალი ადაპტაცია: ადამიანისა და კომპიუტერის თანამშრომლობა

მომდევნო წლებში გასტროენტეროლოგები YZ-ის პროგნოზული მოდელების, ჩატბოტებისა და გამოსახულების ანალიზის გამოყენებას ისწავლიან. მეხსიერება, ინფორმაციის გახსენება, გამოთვლები და მოსაბეზრებელი ამოცანები მანქანების საქმე გახდება. ჩვენ კი ადამიანური კონტექსტით, განსჯითა და შემოქმედებითობით მეტ პაციენტს უფრო ინდივიდუალურ გზებს შევთავაზებთ. მომავალი გასტროენტეროლოგიაში — და მთელ მედიცინაში — ადამიანისა და კომპიუტერის ძლიერ თანამშრომლობას მოასწავებს.