Aštuntasis mokslo populiarinimo konkurso darbas. Kauno kolegijos antrojo kurso komunikacijos studentė Kamilė Lionikaitė rašo apie dirbtinį intelektą medicinoje.
Konkurso darbų laukiame iki kovo 28 dienos, tad dar turite laiko parašyti puikų tekstą ir laimėti dosnių rėmėjų prizų!
Dirbtinis intelektas – dešinioji medikų ranka
Kamilė Lionikaitė
Kai dirbtinis intelektas anksčiau buvo utopija, dabar ši sąvoka yra gerai žinoma Lietuvoje ir visame pasaulyje. Šia tema yra rašomos knygos, kuriami fantastiniai filmai, kurie dažnai būna peršokę realybės ribas. Priešingai nei filmuose apie transformerius ar kitus robotus, kurie atsisuka prieš žmoniją, tikrovėje dirbtinis intelektas, nors dabar tuo nieko nenustebinsi, yra plačiai naudojamas ir medicinos pramonėje. Žinoma, vis dar galima stebinti nuolatiniu dirbtinio intelekto tobulėjimu: tikslumu, efektyvumu ir naujų medicinos atradimų spektru, kurie toliau bus aptariami straipsnyje.
Visų pirma, aptarkime, kas vis dėlto yra tas dirbtinis intelektas? Mokslininkų teigimu, dirbtinis intelektas (toliau DI) – tai „mašinos sugebėjimas parodyti į žmogų panašias galimybes tokias, kaip argumentavimas, mokymasis, planavimas ir kūrybiškumas.“ Ideali DI savybė yra jo sugebėjimas racionalizuoti ir imtis veiksmų, kurie turi geriausias galimybes pasiekti konkretų tikslą. Kita pagrindinė DI savybė yra „giluminis mokymasis“, dėl to kompiuterinės programos gali automatiškai mokytis iš naujų duomenų ir prisitaikyti prie jų be žmogaus pagalbos. Tokie mokymosi metodai leidžia šiam automatiniam mokymuisi įsisavinti didžiulį kiekį nestruktūrizuotų duomenų tokių, kaip tekstas, vaizdai ar vaizdo įrašai.
Toliau kalbant iš medicinos perspektyvos, daugybė tyrėjų ir mokslininkų atliktų bandymų rodo, kad DI gali prognozuoti ir diagnozuoti ligas greičiau ir tiksliau nei dauguma medicinos specialistų. Pavyzdžiui, 2015 metais, JAV, klaidinga diagnozė sudarė net 10 % visų šalies mirčių. Vieno tyrimo metu, DI mokydamasis ir naudodamas algoritmus, tiriant ar diagnozuojant krūties vėžį buvo tikslesnis ir greitesnis nei 11 šios srities specialistų.
Štai Bostone (JAV) esanti įmonė sukūrė „BOUY HEALTH“. Ko gero klausiate, o kas tai yra? „Buoy Health“ yra dirbtiniu intelektu pagrįstas simptomų ir gydymo tikrintuvas, kuris naudoja algoritmus ligoms diagnozuoti bei gydyti. Veikimas yra toks: robotas klausosi paciento simptomų ir sveikatos problemų, tada, remdamasis jo diagnoze, pacientui nurodo teisingą gydymą. Harvardo medicinos mokykla yra tik viena iš daugelio ligoninių ir sveikatos priežiūros paslaugų teikėjų, kurie naudojasi „Buoy health“ dirbtiniu intelektu, kad padėtų greičiau bei efektyviau diagnozuoti ir gydyti pacientą.
Lietuvoje, kaip ir užsienio šalyse, taip pat gausu DI pavyzdžių medicinoje. Štai vienas panašus pavyzdys į anksčiau minėtą: Šiauliuose įsikūrusi įmonė „Nord Robotics“ turi šiomis dienomis labai aktualų sumanymą, projektą – kuria analogo kol kas neturintį mobilų COVID-19 patikros centrą. Pasak įmonės direktoriaus Andriaus Grudžinsko, šio roboto prototipo dizainas dar yra kuriamas. Savo sričių specialistai kartu su medikais, medicinos įrangos gamintojais ieško suderinamumo, pačio optimaliausio roboto veikimo varianto. Toks DI panaudojimo tikslas – išlaisvinti medicinos darbuotojų personalą, kad jis galėtų atlikti darbą tiesiogiai gydymo įstaigose, o tyrimus atliktų automatizuota sistema – robotas. Anot direktoriaus, šis prietaisas būtų lengvai transportuojamas ir pritaikytas vietoms, kuriuose yra daug žmonių, pavyzdžiui, oro uostose, gydimo įstaigose. Taip pat ši mobili laboratorija galėtų priminti foto būdelę (ar seniau buvusius bankomatus), kurioje viskas vyksta akimirksniu ir be papildomo žmogaus įsikišimo. Šiuo būdu didelis srautas žmonių galėtų pakankamai greitai pasidaryti testus. Patalpa, žinoma, būtų sterili ir dezinfekuojama. Jei viskas vyks pagal planą, šį prototipą išvysime po metų laiko, tačiau dar metus gali užtrukti įvairūs testavimai ir praktiniai bandymai bei patvirtinto modelio sukonstravimas.
Taip pat DI yra plačiai naudojamas kuriant naujus vaistus. 2018 m. Šiaurės Karolinos universiteto (JAV) farmacijos fakultete sukurta dirbtinio intelekto sistema (Reinforcement Learning for Structural Evolution, „ReLeaSE“) gali mokytis kurti naujas vaistų molekules, pati pasirinkdama vaistų sudėtines dalis, taip pagreitinant naujų vaistų sukūrimą. „ReLeaSE“ turi unikalią galimybę kurti ir vertinti visiškai naujas molekules. Tyrėjai išmėgino dirbtinio intelekto „ReLeaSE“ sistemą, kurdami molekules, kurių fizinės savybės buvo iš anksto apibrėžtos, pavyzdžiui, lydymosi temperatūra, tirpumas vandenyje, taip pat norimas biologinis aktyvumas. O štai Kembridže (JAV) buvo sukurta „XtalPi“ ID4 platforma, kuri numato mažų molekulių kandidatų chemines ir farmacines savybes kuriant vaistus ir jų dizainą. Be to, bendrovė teigia, kad jos kristalų struktūros prognozavimo technologija (dar vadinama polimorfo prognoze) prognozuoja sudėtingas molekulines sistemas per kelias dienas, o ne savaites ar mėnesius. Tai labai palengvina medicinos pramonės darbuotojų darbą ir gali greičiau prisidėti prie pacientų gydymo.
Taigi, nors DI ir ne panacėja, tačiau medicinoje labai pasitarnauja ir palengvina medikų darbą gelbstint kitų gyvybes: DI pateikti algoritmai padeda gydytojams tvarkyti ir rūšiuoti duomenis, tiksliai nustatyti navikus ir kitas žmogaus kūno anomalijas bei numatyti ligas ir paskirti tinkamą gydymą.
Naudota literatūra
- Šiaulių televizija (2021). Mobilus COVID-19 patikros punktas. Prieiga per internetą: https://www.facebook.com/277525555601900/videos/1249850115412323.
- Kas yra dirbtinis intelektas ir kaip jis naudojamas? (2020) Prieiga per internetą: https://www.europarl.europa.eu/news/lt/headlines/society/20200827STO85804/kas-yra-dirbtinis-intelektas-ir-kaip-jis-naudojamas.
- J. Frankenfield (2021). Artificial intelligence (Al). Prieiga per internetą: https://www.investopedia.com/terms/a/artificial-intelligence-ai.asp.
- 32 examples of AI in healthcare. Prieiga per internetą: https://builtin.com/artificial-intelligence/artificial-intelligence-healthcare.
- M. Popova, O. Isayev, A. Tropsha (2018). Deep reinforcement learning for de novo drug design. Prieiga per internetą: https://advances.sciencemag.org/content/4/7/eaap7885.