Tervishoiu tehisintellekt: ambitsioonide ebaõnnestumine

Vähesed valdkonnad on nii tehnoloogilise arenguga kooskõlas kui meditsiin. On õiglane öelda, et meditsiini kui praktikat on tehnoloogia muutnud ja nüüd toetub see täielikult kõigis oma tahkudes, nagu ravimite väljatöötamine, meditsiiniline diagnoos ja jäsemete proteeside suurendamine. See on olnud uute tehnoloogiaarengute allikas, näiteks MRI-skannerid, kus arstid teevad teadlastega koostööd, et luua varem mõeldamatuid seadmeid.

Meditsiin tundub, et see on peaks olla futuristlik: Ulme pommitab meid tehnoloogiapõhise meditsiini särava valge tulevikuga, kus me ei pea kunagi oma kõhul arsti külmi käsi tundma ja tõenäoliselt on isegi hambaarstid oma puurid maha pannud. Seega tundub täiesti loomulik, et inimkonna uusim ja parim tehnoloogia, tehisintellekt (AI), tuleks tervishoidu sisse lülitada. 

Kui raske see olla saab? Need meist, kes püüdsid sulgemise ajal perearstiteenusega suhelda, võiksid andeks anda, kui arvasid, et ainuke tehnika, mida on vaja suurema osa teest kätte saada, oleks hõivatud telefoniliini salvestis vaheldumisi veidi kulunud administraatoriga, kes annab ebamääraseid lubadusi kohtumiste kohta. saadaval paari kuu pärast. (Selles ajaveebi postituses narritan perearste veidi, mis minu arvates on ohutu, kuna tõenäoliselt ei kohta ma teda isiklikult.) Nii et tänapäeva tervishoius on tehisintellektil kindlasti palju võimalusi aidata? Inimesed nõustuvad ja mõned maailma helgemad pead koos maailma sügavaimate taskutega on asunud seda teoks tegema.

Edu on olnud. Näiteks, Meditsiiniline pildistamine on edukalt abistatud masinõpe tehnikad, haiguslugude töötlemine saab parandada, ja AI võib isegi osutada tee uuele arusaamisele tervisest – näiteks suudab see täpselt näidata ennustada, kas patsient sureb, kuigi me ei tea, kuidas. Lihtne purjetamine pole siiski olnud. Tehisintellekt on ebaõnnestunud, kui tal paluti uudsetes olukordades otse inimestega võistelda; näiteks COVID-i ajal AI mudelid seda ei teinud abi diagnoosimisel või analüüsimisel hoolimata suurtest investeeringutest ja esmatasandi arstiabi ümberkujundamine tehisintellektiga on näinud tõsiseid tagasilööke. 

Ambitsioonid nurjatud

Meditsiinilise areeni spetsiifilisi probleeme saab kaardistada, uurides tehisintellekti üht suurimat kordaminekut ja suure osa meie ärevusest selle võimaliku paremuse pärast: mängude areen. 

IBM-id Deep Blue võitis maailma parimat maletajat Garri Kasparovit ühes mängus 1996. aastal ja turniiril 1997. aastal – see on umbes 20-aastase male AI arendamise pingutuse kulminatsioon. Seejärel arenes IBM DeepQA arhitektuur jaoks loomuliku keele töötlemine, mis 2011. aastal ja nüüd Watsoni kaubamärgi all suutis purustada parimad inimtšempionid at Jeopardy – edu, mis arvati olevat see, mis võimaldas tal võistelda ja võita inimtehnilistel aladel. 

2012. aastaks oli IBM võtnud sihikule Watsoni, mis oli selleks ajaks tehnoloogiate kombinatsioon, mille nad olid välja töötanud tervishoiutööstuses, eriti onkoloogias. 

Edu näis vältimatu: pressiteated olid positiivsed, avaldati ülevaated, mis näitasid edusamme võrreldes inimarstidega ja Watson võis tarbida arstipabereid päevas selleks kuluks inimarstil 38 aastat. Vedasin arstist sõbraga kihla, et aastaks 2020 on maailma parim onkoloog masin. 

Kaotasin oma panuse, kuid mitte nii põhjalikult, kui IBM kaotas oma panuse tervishoiule. Esialgsed piloothaiglad tühistasid oma katsed ja Watsonile näidati soovitada ebaturvalisi vähiravi. Programm oli sisuliselt suletud, kus Watsonist sai IBMi kommertsanalüütika kaubamärk, kasutades intelligentse assistendina oma loomulikku keeletöötlust. Täna on IBMi aktsia hind 22% väiksem kui Jeopardy triumfi hetkel. 

Olen siinsete raskuste illustreerimiseks kasutanud IBMi Watsonit, kuid oleksin võinud valida ka ebaõnnestumisi virtuaalse perearsti teenus,  diagnostika, või teised. Olen kindel, et sellised organisatsioonid on pikas perspektiivis edukad, kuid me saame uurida, miks mõned neist ebaõnnestumistest olid tõenäolised.

Et mõista väljakutse ulatust, võime vaadata tagasi sinna, kus see valdkond 1940. aastate küberneetikutega alguse sai.

Üks küberneetik, W. Ross Ashby, lõi mitu seadust, millest üks oli tema Nõutava mitmekesisuse seadus. Seda seadust tuleks paremini tunda, kuna see selgitab kõikvõimalike lahendamatute IT-probleemide juured, alates sellest, miks suured avaliku sektori IT-projektid ei kipu hästi minema, kuni selleni, miks IT-metoodikad nagu PRINCE II enamasti ei tööta ja miks me peaksime olema väga mures oma võimete pärast juhtida üliintelligentset tehisintellekti. Seadus ütleb, et "ainult sort saab kontrollida sorti". See tähendab, et kui teil on süsteem ja proovite seda juhtida mõne teise süsteemiga, peab juhtimissüsteem olema vähemalt sama keeruline kui sihtsüsteem; vastasel juhul ei tule ta kõigi oma väljunditega toime ja sealt pääseb. 

Sellises mängus nagu male on kogu optimaalse tulemuse arvutamiseks vajalik teave laual – male on raske, kuid mitmekesisus pole suur. Kuid eesliini arstimise maailmas on uskumatu mitmekesisus ja õigete väljundite pakkumiseks on vaja uskumatut keerukust. See kujutab tehisintellektile tohutut väljakutset: reaalse maailma patsiendid treenivad materjali eelisjuhtumeid, kuid tehisintellekt peaks need ühe hoobiga tõhusalt lahendama. Leiame, et nad ei saa ja põgenemine on vältimatu, näiteks meditsiiniline AI, mis nõustus a patsient peaks end tapma, mis lahendas probleeme, kuid lahendas võib-olla rassistlik, või selline, mis oli kindlasti rassistlik. Kas tulevase meediku tööpäev võib hõlmata operatsiooni läbiviimist, administraatoritööd ja kontrollimist, kas tehisintellekti assistendil on olnud rassistlik juhtum? 

Tehisintellekti kasutuselevõtmisel tervishoius on veel üks probleem, millel on tõenäoliselt tehniline nimi, kuid ma nimetan seda "bussipeatuse vanaema tapaprobleemiks". Kui keegi sõidab oma autoga bussipeatusesse ja tapab kolm armastatud vanaema, oleks see kohalikes uudistes suur lugu. Kui autonoomne auto teeks sama, oleks see ülemaailmne uudis, mille tulemuseks on tõenäoliselt kohtuasjad ja seadusandlus. Asi on selles, et me praegu oleme palju on inimeste eksimuste suhtes tolerantsemad kui meie masinate eksimuste suhtes ja seetõttu on automatiseeritud tehnoloogia tulemuste latt kõrgem kui inimeste jaoks. See on mõneti ratsionaalne, sest üks inimene saab teha ainult nii palju kahju, kuid tehisintellekt laieneb ja nii korduvad vead. 

Lõppkokkuvõttes muudavad need tõkked inimeste asendamiseks tehisintellekti kasutuselevõtu esmatasandi ravis äärmiselt keeruliseks. Kuid see ei oma tingimata tähtsust, kuna tervishoiuteenuste tehisintellekt võib siiski pakkuda tohutut muutust. 

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. Juurdepääs siia.
• Allikas: https://www.dataversity.net/health-care-ai-a-failure-of-ambition/