Експерти з інсульту обговорюють поточне та майбутнє використання інструментів штучного інтелекту в дослідженнях та лікуванні

Зростання ролі ШІ у медицині

Оскільки використання штучного інтелекту (ШІ) продовжує зростати майже в усіх галузях, важливо встановити чіткі обмеження для забезпечення етичного та безпечного застосування цієї технології. Особливо це стосується медицини, де помилки можуть мати фатальні наслідки, а дані пацієнтів потребують максимальної конфіденційності.

28 березня на Академічно-промисловому круглому столі з лікування інсульту група лікарів, дослідників та представників індустрії обговорила поточний стан і майбутнє використання ШІ у клінічних випробуваннях. Під керівництвом доктора Джозефа Бродеріка з Університету Цинциннаті.

Поточне використання ШІ при лікуванні інсульту

Сьогодні лікарі, які лікують інсульт, уже застосовують ШІ для підтримки клінічних рішень — особливо під час аналізу зображень мозку та судин. Також алгоритми допомагають ідентифікувати потенційних учасників клінічних випробувань і оптимізувати відбір пацієнтів. Проте дослідники наголошують на необхідності розробки систем «human in the loop» — моделей, що передбачають обов’язкове людське втручання на етапах навчання та використання ШІ.

«Уявіть собі ШІ як дитину, яка вчиться їздити на велосипеді. Без допомоги дорослого вона не обійдеться, і падіння (помилки) неминучі. Але з часом — за належного контролю — дитина навчається дуже добре», — пояснює д-р Бродерік, професор медичного коледжу Університету Цинциннаті.

Машинне навчання та генеративний ШІ: ключові відмінності

Автори порівняли машинне навчання (ML) та генеративний ШІ (Generative AI) у контексті їхнього застосування для лікування інсульту.

• Машинне навчання (ML) — це навчання моделей на структурованих наборах даних, які ретельно відібрані людьми. Такі моделі здатні класифікувати або прогнозувати результати, базуючись на «фактичній істині». Їхньою перевагою є прозорість і пояснюваність, що дозволяє перевіряти та валідовувати результати клінічно.

«Методи ML загалом краще інтерпретуються, а процес прийняття рішень є більш прозорим — це критично важливо для медичної достовірності», — зазначають співавтори.

• Генеративний ШІ навчається на великих немаркованих масивах текстів і даних із різних джерел. Цей підхід потребує величезних обчислювальних ресурсів і часто функціонує як «чорний ящик», що ускладнює розуміння механізму прийняття рішень.

«Пояснюваність великих мовних моделей залишається відкритою науковою проблемою», — підкреслюють автори.

Надійність даних і роль людського контролю

Дослідники наголошують, що незалежно від типу моделі, якість даних є визначальною для точності результатів.

«Якщо моделі навчаються на неякісних або неповних даних, без втручання експертів ШІ може давати хибні рекомендації, що потенційно шкодять пацієнтам», — застерігає Бродерік.

Щоб уникнути упередженості, потрібно використовувати дані з різних установ, типів сканерів і груп пацієнтів.

Конфіденційність даних пацієнтів

Одним із головних викликів залишається захист персональних даних.
Дослідники пропонують моделі, які гарантують анонімність — наприклад:

• централізоване збирання знеособлених даних незалежними організаціями (на кшталт Американської асоціації серця);
• або локальне навчання моделей у кожній установі з подальшим обміном лише параметрами, а не самими даними.

«Захист конфіденційності є серйозним викликом, особливо через різні міжнародні закони щодо передачі даних», — зазначають автори.

Перегляньте записи:

Можливі сфери застосування ШІ у лікуванні інсульту

Після валідації моделей потенційні напрями використання ШІ включають:

• покращення ідентифікації кандидатів для клінічних випробувань;
• створення зрозумілих для пацієнтів пояснень дизайну випробувань;
• автоматичний переклад медичних документів для пацієнтів різних мовних груп;
• підбір індивідуалізованих стратегій лікування для кожного пацієнта.

«Ми вже давно говоримо про прецизійну медицину, але саме ШІ є кроком до її реального втілення», — зазначив Бродерік.

Нові підходи до клінічних випробувань

Окрім ШІ, автори обговорили нові формати клінічних досліджень, зокрема:

• Платформні випробування, які дозволяють одночасно тестувати кілька гіпотез і додавати нові в процесі;
• Прагматичні випробування, спрямовані на оцінку ефективності лікування в реальних клінічних умовах.

Ці підходи допомагають зменшити витрати, інтегрувати дослідження у звичну клінічну практику та прискорити впровадження результатів.

Залучення пацієнтів і громади

Дослідники наголошують на необхідності ширшої участі громади у клінічних випробуваннях.
Це включає:

• активну участь парамедиків, клініцистів, координаторів досліджень;
• мінімізацію навантаження на пацієнтів;
• швидке поширення результатів серед медичної спільноти та громадськості.

Висновок: баланс між інноваціями та безпекою

«Майбутнє є світлим, — зазначив Бродерік. — Але справжнім викликом стає розпізнавання правди серед океану даних і зображень, які можуть бути хибними або шкідливими.»

«Вогонь може спалити будинок так само, як зігріти тіло. Штучний інтелект — це вогонь, що швидко поширюється, і наше завдання — навчитися використовувати його безпечно та розумно.»

ДЖЕРЕЛО: Medical Xpress

На платформі Accemedin багато цікавих заходів! Аби не пропустити їх, підписуйтесь на наші сторінки! Facebook. Telegram. Viber. Instagram.