Πόσο χρήσιμη είναι η τεχνητή νοημοσύνη στη μάχη κατά του καρκίνου [μελέτη]

Με την τρέχουσα διαφημιστική εκστρατεία για την τεχνητή νοημοσύνη με ChatGPT & Co. θα πρέπει να είναι κανείς ακόμα πολύ προσεκτικός στις επιστημονικές ειδικότητες. Σύμφωνα με επιστήμονες από το Βερολίνο που δοκίμασαν συστήματα τεχνητής νοημοσύνης στην ιατρική του καρκίνου, η κρίση των προγραμμάτων λογισμικού είναι σήμερα χειρότερη από εκείνη των ογκολόγων.

Το υπόβαθρο της μελέτης, η οποία δημοσιεύθηκε πρόσφατα στην ηλεκτρονική έκδοση του Αμερικανικού Ιατρικού Συλλόγου (JAMA Network Open), είναι ότι όσο καλύτερα κατανοείται η βιολογία ενός όγκου, τόσο περισσότερες πιθανές προσεγγίσεις θεραπείας υπάρχουν.

Για να μπορέσει να προσφερθεί στους ασθενείς μια εξατομικευμένη θεραπεία προσαρμοσμένη στην ασθένειά τους, απαιτείται μια πολύπλοκη ανάλυση και ερμηνεία μιας μεγάλης ποικιλίας δεδομένων. Οι επιστήμονες του Πανεπιστημιακού Νοσοκομείου Charité του Βερολίνου και του Πανεπιστημίου Humboldt διερεύνησαν, επομένως, κατά πόσον η γενετική τεχνητή νοημοσύνη (AI) μπορεί να βοηθήσει σε αυτό.

Τα ζητήματα της ιατρικής του καρκίνου είναι ιδιαίτερα πολύπλοκα όταν πρόκειται για την επιλογή στοχευμένων θεραπειών για καρκινικές παθήσεις.

Τα φάρμακα που χρησιμοποιούνται για το σκοπό αυτό στοχεύουν μόνο σε πολύ συγκεκριμένες μεταλλάξεις στο γονιδίωμα των κακοήθων κυττάρων.

Σε τέτοιες περιπτώσεις, ο καρκινικός ιστός αναλύεται πρώτα γενετικά. Στη συνέχεια, οι γιατροί χρησιμοποιούν αυτές τις πληροφορίες για να εξάγουν εξατομικευμένες συστάσεις θεραπείας.

Αυτό συχνά απαιτεί γνώσεις από διάφορους ιατρικούς τομείς. Οι ειδικοί της παθολογίας, της μοριακής παθολογίας, της ογκολογίας, της ανθρώπινης γενετικής και της βιοπληροφορικής συναντώνται στη συνέχεια και αναλύουν από κοινού ποιες θεραπείες υπόσχονται τη μεγαλύτερη επιτυχία με βάση την τρέχουσα κατάσταση της μελέτης.

Το ερώτημα είναι κατά πόσον τα συστήματα τεχνητής νοημοσύνης μπορούν να παράσχουν υποστήριξη εδώ. Ο Damian Rieke από το Charité και οι συν-συγγραφείς του ασχολήθηκαν με αυτό το ζήτημα. Δοκίμασαν μεγάλα γλωσσικά μοντέλα στην αυτοματοποιημένη ανασκόπηση της επιστημονικής βιβλιογραφίας για την επιλογή μιας εξατομικευμένης θεραπείας για τον καρκίνο.

"Αναθέσαμε σε αυτά τα μοντέλα το καθήκον να εντοπίσουν εξατομικευμένες θεραπευτικές επιλογές για φανταστικούς ασθενείς με καρκίνο και μάλιστα με τις συστάσεις των ειδικών", ανέφερε ο Rieke σε ανακοίνωση του Charité. Το συμπέρασμά του: "Κατ' αρχήν, τα συστήματα τεχνητής νοημοσύνης ήταν σε θέση να εντοπίσουν εξατομικευμένες θεραπευτικές επιλογές - αλλά δεν πλησίασαν την ικανότητα των ειδικών".

Για το πείραμα, η ομάδα δημιούργησε δέκα μοριακά προφίλ όγκων φανταστικών ασθενών. Τέσσερα από αυτά αφορούσαν καρκίνο του πνεύμονα, ενώ τα υπόλοιπα άλλους τύπους καρκίνου. Στη συνέχεια, ένας ειδικός γιατρός και τέσσερα μεγάλα γλωσσικά μοντέλα (ChatGPT, Galactica, Perplexity και BioMedLM) ανέλαβαν να εντοπίσουν μια εξατομικευμένη θεραπευτική επιλογή.

Τα αποτελέσματα αυτά παρουσιάστηκαν στα μέλη του μοριακού συμβουλίου όγκων για αξιολόγηση - χωρίς να γνωρίζουν από πού προήλθε μια σύσταση. Ωστόσο, οι περισσότερες από τις συστάσεις της τεχνητής νοημοσύνης μαντεύτηκαν από τους εμπειρογνώμονες επειδή συχνά δεν είχαν επαρκή επιστημονική βάση (αποδεικτικά στοιχεία).

"Ενίοτε, υπήρχαν εκπληκτικά καλές θεραπευτικές επιλογές που εντοπίστηκαν από την τεχνητή νοημοσύνη", ανέφερε η Manuela Benary, εμπειρογνώμονας από το Πανεπιστήμιο Humboldt που συμμετείχε στη μελέτη. "Ωστόσο, η απόδοση των μεγάλων γλωσσικών μοντέλων είναι σημαντικά χειρότερη από εκείνη των ανθρώπινων εμπειρογνωμόνων". Η προστασία των δεδομένων και η αναπαραγωγιμότητα θα αποτελούσαν επίσης ιδιαίτερες προκλήσεις κατά τη χρήση τους σε πραγματικούς ασθενείς.

Παρ' όλα αυτά, ο Rieke είναι αισιόδοξος για τις πιθανές εφαρμογές της τεχνητής νοημοσύνης στην ιατρική: "Καταφέραμε να δείξουμε στη μελέτη ότι η απόδοση των μοντέλων τεχνητής νοημοσύνης συνεχίζει να βελτιώνεται με νεότερα μοντέλα. Αυτό θα μπορούσε να σημαίνει ότι η τεχνητή νοημοσύνη θα είναι επίσης σε θέση να παρέχει μεγαλύτερη υποστήριξη σε σύνθετες διαγνωστικές και θεραπευτικές διαδικασίες στο μέλλον - εφόσον οι άνθρωποι παρακολουθούν τα αποτελέσματα της τεχνητής νοημοσύνης και τελικά αποφασίζουν για τις θεραπείες". Τουλάχιστον μία από τις παραλλαγές του λογισμικού εντόπισε μια δυνητικά χρήσιμη πρόταση θεραπείας για κάθε μελέτη περίπτωσης.

Ωστόσο, ο Felix Balzer, διευθυντής του Ινστιτούτου Ιατρικής Πληροφορικής στο Charité, είναι βέβαιος ότι η ιατρική θα επωφεληθεί από την τεχνητή νοημοσύνη στο μέλλον. Αυτό θα μπορούσε να προκύψει κυρίως από την αύξηση της αποτελεσματικότητας της ιατρικής περίθαλψης με τη βοήθεια των συστημάτων τεχνητής νοημοσύνης, εξήγησε.

Πηγές:
JAMA Network Open