Ce este învățarea automată? Suntem pregătiți pentru inteligența artificială în serviciile de sănătate?

Odată cu inventarea calculatorului și transformarea lui într-o parte indispensabilă a vieții, oamenii au început să se întrebe: cât de inteligent poate fi un calculator? Este posibilă inteligența artificială? Cum putem face calculatoarele să învețe singure? Și de aici a apărut întrebarea: Ce înseamnă învățarea pentru o mașină? În1959, Arthur Samuel a afirmat că calculatoarele pot dobândi capacitatea de a învăța independent de programare și a dezvoltat un joc de dame. Caracteristica prin care acest joc se deosebea de celelalte era că se perfecționa învățând din mutările sale anterioare.

Ce este învățarea automată (Machine Learning)?

Învățarea automată (machine learning) reprezintă formularea unor deducții pe baza datelor existente de către calculatoare sau dispozitive dezvoltate cu inteligență artificială, prin reunirea unor discipline precum statistica, teoria informației, algoritmii și analiza funcțională. Astăzi vedem utilizarea învățării automate în domenii precum recunoașterea vocii, recunoașterea feței, analizele de căutare în vehicule autonome, mineritul de date și aplicațiile medicale.

În ce etapă a învățării automate ne aflăm?

Grupul de cercetare Gartner, care analizează tendințele tehnologice, arată în ciclului hype pentru tehnologiile emergente că învățarea automată se află în faza „The peak of expectations”, numită vârful așteptărilor. Vedem că imprimantele3 dimensionale, aflate în trecut în acest punct, sunt acum foarte ușor accesibile și se dezvoltă rapid. În mod similar, în viitorul apropiat vom întâlni tot mai des învățarea automată.

De la datele genomicii personale și ale biosenzorilor până la dosarele electronice de sănătate (DES) și cererile de asigurare medicală, toate alcătuiesc, cu accent pe transformarea sănătății, volumele mari de date (big data), pe care le cunoaștem acum cu toții. Folosind aceste date, învățarea automată poate oferi diverse analize și unele predicții de sprijin. În serviciile de sănătate acestea se numesc sisteme de sprijin decizional . Totuși, realizarea diverselor predicții în sectorul sănătății nu este ceva nou (de exemplu, clasificarea APACHE pentru a anticipa evoluția și riscul de deces al pacienților din terapie intensivă sau instrumentul de calcul al riscului ASCVD pentru a anticipa necesitatea medicamentelor care reduc colesterolul). Prin învățarea automată și utilizarea datelor clinice se pot construi modele predictive pentru mii de probleme clinice similare.

Inteligența artificială nu are o sarcină ușoară în serviciile de sănătate

S-a constatat că principalul motiv al eșecului proiectului Google Flu , care urmărea anticiparea și monitorizarea epidemiilor din lume, au fost dezamăgirile apărute în analiza datelor. Într-adevăr, în prezent există probleme serioase în transferul și prelucrarea datelor de sănătate. De exemplu, în timp ce metodele tradiționale folosite în înregistrarea pacienților produceau date cuprinzătoare, vedem că sursele actuale de date despre pacienți sunt mai limitate (dificultatea adaptării la anumite tipare).

Aplicațiile învățării automate în sectorul sănătății se întâlnesc în numeroase domenii, de la diagnosticul bolilor la tratamentul personalizat, de la descoperirea medicamentelor la radiologie. Cel mai mare obstacol în dezvoltarea învățării automate este standardizarea și gestionarea datelor. Pentru ca această tendință tehnologică, aflată conform ciclului hype la vârful așteptărilor, să treacă mai rapid și eficient de la faza3., numită „groapa dezamăgirii”, la faza4., „panta iluminării”, trebuie conștientizate greșelile din trecut. În sectorul sănătății, aplicațiile dosarelor electronice de sănătate trebuie făcute mai eficiente și mai utile pentru învățarea automată.