A robot fog megmenteni bennünket?

Professzor úr, valóban a robot fog megmenteni bennünket?

Hazánkban és világszerte is azt mutatják a szakorvosképzés adatai, hogy a többszakvizsgás orvosok száma folyamatosan csökken. Sőt, egyre kevesebb az aktív olyan kolléga, akik több mint 20 éves tapasztalattal gyógyítanak. Egyre égetőbbé válik a szakemberhiány, amit valahogyan kezelni kellene. Ugyanakkor olyan egészségügyi adatrobbanást élünk meg, elsősorban a képalkotó diagnosztikában, amely kifeszíti az orvostudomány határait.

Gasztroenterológiában is észlelni az egészségügyi adatrobbanás jeleit?

A klasszikus képalkotó diagnosztika és a gasztroenterológia határterületein biztosan érezni a dimenzióváltást. Az ultrahang, a CT, az MR és a PET/CT mellett az endoszkópia, a kapszula endoszkópia is korábban elképzelhetetlen adatmennyiséget gyűjt össze – egészséges és beteg emberekről, egészséges és beteg szervekről egyaránt. Csak az Egyesült Államokban évente 60 milliárd egészségügyi kép készül – ennyi képet kellene valakinek megnéznie és leletezni. Ráadásul az elkészült képek 64%-a negatív, tehát egészséges szerveket mutat.

Hogyan küzdenek meg ezzel a kollégák?

Előbb-utóbb kiégnek: elfáradnak a sok-sok kép nézegetésében. A fiatalok számára egyre kevésbé divatos orvostudományt tanulni és az egészségügyben elhelyezkedni, akinek pedig nincs több évtizedes tapasztalata, az nem feltétlen fogja felismerni a ritkább betegségeket. Ezt azzal az adattal tetézhetjük hogy a következő 15 évben 2 milliárd fő fölé 60 év feletti lakosok száma. Összességében úgy becsülik a szakértők, hogy a következő 15 évben világszerte 13 millió orvos és nővér fog hiányozni az egészégügyi rendszerben. Ez akkora ellentmondás, hogy valamilyen megoldás kell rá találni: ez lenne a mesterséges intelligencia, amit a köznyelv robotként egyszerűsít.

Az Ön felfogása szerint miről szól pontosan a mesterséges intelligencia?

Mesterséges intelligenciának nevezünk minden olyan rendszert, amely alkalmassá teszi a számítógépet arra, hogy az emberi viselkedést és döntéshozatalt szimulálja. Ezen belül még két fogalommal érdemes megismerkedni: a machine learning és a deep learning lényegével. Előbbi a „gépi tanulás”, a mesterséges intelligencia megoldások azon csoportját takarja, amely statisztikai módszerekkel és gyakorlással képes javítani az algoritmus pontoságát és tudását: a gyakorlattal tanul a gép. Ezen belül van még egy alcsoport, amit mélytanulásnak hívunk. Ennek lényege, hogy szintén neurális hálózatok segítségével, öntanító programként fejlődik a gyakorlattal. Az elmúlt években valójában ez, a mélytanulás hozott áttörést az orvosi döntéshozatal támogatásában.

Hogyan?

A mélytanuló hálózatok legfontosabb tulajdonsága, hogy a döntés során a jellemző azonosítása és a klasszifikáció emberi beavatkozás nélkül történik. Nem mondja meg senki a számítógépnek, hogy mit keres, csak megmutatjuk a problémát. Az algoritmus saját maga dönti el, hogy melyek a probléma megoldásának jellemző, és ez alapján hoz döntést.

Hogyan képes erre az algoritmus?

Az algoritmus tanításai fázisa során előzetesen megjelölt adatokat mutatunk neki: felcímkézzük az adatokat, felteszünk egy kérdést, majd megmutatjuk az algoritmusnak, hogy mi a helyes válasz, és saját maga elkezdi megtanulni és megoldani a problémát. A biológiai ideghálózatok alapján tervezett többszintű neurális hálózatokban létezik egy bemeneti, egy rejtett és egy kimeneti réteg, azaz neuron. A neuronok közötti kapcsolatok súlyozzák a probléma kimeneti értékét. A tanulási fázisban pedig, minden esetben, amikor az algoritmus téved, a jelölt adat alapján megmutatjuk, hogy tévedett, a hiba pedig visszaterjed a neuronhálón és megváltoztatja a súlyokat, ezáltal pontosítja az algoritmust.

Milyen eredményeket képes elérni a mélytanuló algoritmus?

Nagyon nagy mennyiségű jelölt adaton, azaz „big datán” tanítva, 99,9 százalékos pontosságú választ képes adni a mélytanuló algoritmus, természetesen csak azokban az esetekben, amelyekben egy jól definiált kérdésre, jól elkülöníthető pozitív és negatív eseményekkel lehet válaszolni.

Ezt azt jelenti, hogy a mélytanuló algoritmus helyettesíteni fogja a szakértő orvost?

A mostani algoritmusoknak egyáltalán nem ez a célja. Sokkal inkább az, hogy a kezdőknek, a nem szakértőknek segítsen szakértővé fejlődni. Másként fogalmazva, a mesterséges intelligencia támogatásával bármelyik orvos elérheti a szakértői szintet. Másfél évtizeddel ezelőtt az amerikai Rex professzor egy nagyon érdekes példát írt le. Összehasonlító vastagbéltükrözéses vizsgálatok során ugyanis kiderült, hogy az endoszkópos orvosok az összes adenoma tekintetében 20-24%-ban, a rosszindulatú polipok tekintetében 2-14%-ban elnézik a polipokat, nem találják meg őket. Ezzel persze nem az a baj, hogy néhány polipot nem talál meg a szakember, hanem az, hogy ennek aránya a vizsgáló orvostól függ.

Életünk más területén is tapasztalni hasonlót…

A közelmúltban sokat repültem, ott pontosan erről van szó. Amikor felszállunk egy menetrend szerinti repülőgépre, véletlenszerűen egy olyan pilóta gondjaira bíznak bennünket, akivel soha nem találkoztunk, aki egy potenciálisan halálos kimenetelű utazásra visz bennünket, amelyet azonban majdnem 100%-os sikerességi és biztonsági aránnyal végeznek el. A siker és a biztonság aránya olyan magas, hogy joggal feltételezzük, hogy a pilóta szakértelme megkérdőjelezhetetlen. Ugyanez a helyzet az endoszkópos specialistákkal is.

Tehát abban segít a mesterséges intelligencia, hogy minden endoszkópos szakorvos szakértővé is váljon?

Pontosan. Az AI-t az endoszkópos diagnosztika teljes spektrumában használják, legyen szó minél több polip megtalálásáról, azok optikai biopsziájáról, azaz szövettani csoportosításáról, az egyértelműen daganatos polipok azonosításáról, de akár az endoszkópia sikerességét felmérő automatikus minőségellenőrzésről, automatikus leletírásról, illetve a betegség súlyosságának és lefolyásának előrejelzéséről. A mesterséges intelligencia minden szakmai területen elterjedt.

Magyarországon mennyire érhető el ez a legmodernebb technológia?

Szerencsére, a nagy endoszkópos műszergyártók és a robotsebészeti cégek gőzerővel fejlesztik ezeket a technológiákat, de van néhány egyéni kezdeményezés, mint például az általunk fejlesztett PolypBrain mesterséges intelligencia alapú rendszer. De az üzemszerű alkalmazás Magyarországon még gyerekcipőben jár, de természetesen mi már a kutatásaink és szakterületünk miatt beruháztunk ezekbe az eszközökbe. Míg az Egyesült Államokban egyértelmű, hogy szakmánkban legfeljebb öt éven belül kötelezővé teszik a mesterséges intelligencia általános alkalmazását.

Orvosként nem félnek, hogy elveszi a munkájukat a mesterséges intelligencia?

Ahogyan említettem, ezt a technológiát az orvosi munka támogatására fejlesztették ki, és az Endo-Kapszula Magánorvosi Centrumban valóban általánosan használjuk. Az orvosok félelme egyébként kettős: van, aki úgy hiszi, a mesterséges intelligencia elveszi majd a munkáját, van, aki úgy érzi, a mesterséges intelligencia rendszer miatt elhúzódik a vizsgálati idő. Tapasztalataink szerint egyik sem igaz a két félelem közül. Sőt: kapszula endoszkópiában a mesterséges intelligencia használata egyértelmű áttörést hoz, mert 50 ezer képet ember nem tud úgy kiértékelni, ahogyan a mesterséges intelligencia teszi. Ami emberben 90 perc, azzal a mesterséges intelligencia 10 perc alatt, jobb eredménnyel végez. Ebben az összefüggésben egyébként igaz, ismét a köznyelvi kifejezéssel élve: a „robot” fog megmenteni bennünket, orvosokat a kiégéstől, és attól, hogy az orvosi képanyag maga alá temessen bennünket.