Јана Гогова
ВОВЕД
Последниве години, сведоци сме на голем број откритија во вештачката интелигенција (ВИ), кои се доказ за нејзиното рапидно развивање во сите сфери на нашето живеење. Конкретно во медицината, ВИ носи значителни промени во начинот на кој се поставуваат дијагнози, се анализираат медицински податоци и се препишуваат терапии. Напредокот во машинското учење, длабокото учење и анализата на големи количини податоци овозможува развој на алгоритми кои можат да препознаваат сложени шеми во медицината, често со брзина и прецизност што ги надминува традиционалните методи.
Ваквиот развој на ВИ, покрена важни прашања: Дали алгоритмите можат да ги заменат лекарите во поставувањето дијагнози? Дали вештачката интелигенција е способна да донесе порелевантни одлуки од медицинските експерти? Додека некои истражувања покажуваат дека ВИ може да биде исклучително точна во одредени медицински задачи, постојат и бројни предизвици, како што се потребата од човечки надзор и дилеми поврзани со користењето на вештачката интелигенција во здравствената заштита.
Во оваа семинарска работа, ќе се задржиме на ВИ во медицината, нејзините предности и ограничувања, како и можностите и предизвиците што ги носи нејзината примена. Дали вештачката интелигенција ќе стане суштински дел од медицинската пракса или сепак човечкиот фактор ќе остане незаменлив?
3
КАКО ФУНКЦИОНИРА ВЕШТАЧКАТА ИНТЕЛИГЕНЦИЈА ВО МЕДИЦИНАТА?
Вештачката интелигенција во медицината се базира на два главни аспекти, машинско учење (ML) и длабоко учење (DL), кои овозможуваат обработка и анализа на огромни количини на медицински податоци. Овие алгоритми можат да препознаат шеми, да вршат предвидувања и да помогнат во дијагностицирање на
болести со голема прецизност. (NIH n.d.)
Слика 1: ВИ и лекар – главни чувари на човековото здравје
МАШИНСКО УЧЕЊЕ И АНАЛИЗА НА ПОДАТОЦИ
Машинското учење е гранка на ВИ која користи алгоритми што учат од големи множества на податоци, без да бидат експлицитно програмирани за одредени задачи, туку со тренирани модели доаѓаат до заклучоци. Тренирањето се базира врз основа на медицински слики, електронски здравствени податоци (EHR), генетски информации и други извори на податоци за да можат да:
- Поставуваат дијагнози – Алгоритмите можат да анализираат рендгенски снимки, магнетна резонанца, компјутерска томографија и биопсии за да идентификуваат знаци на болести како рак, тумори, пневмонија и други заболувања. Со долгогодишно тестирање, многупати е докажано дека ваквите алгоритми даваат дијагнози кои се точни и прецизни како од специјалист.
- Предвидуваат ризик од болести – Анализирајќи медицински податоци, алгоритмите можат да предвидат дали пациентот има зголемен ризик од срцеви заболувања, мозочен удар или дијабетес. Со ова се спречува касно откривање на тешки заболувања, со што се овозможува преземање на рани превентивни мерки.
4 - Персонализирана медицина – Со анализа на генетските предиспозиции, ВИ може да предложи специфични терапии прилагодени на индивидуалниот пациент.
- Автоматизација на административни задачи – Освен во клиничките анализи, ВИ се користи и за автоматизација на медицински записи, препознавање говор (за трансформација на лекарски белешки во дигитални записи), како и за средено организирање на податоците од пациентите.
КОМПЈУТЕРСКА ВИЗУЕЛИЗАЦИЈА ВО РАДИОЛОГИЈАТА
Компјутерската визуелизација, како гранка на ВИ, има значителен ефект врз радиологијата, овозможувајќи автоматизирана анализа и толкување на медицински слики. Оваа технологија функционира преку користење на алгоритми за длабоко учење, особено конволуциски невронски мрежи (CNN), кои се способни да препознаваат и класифицираат аномалии во сликите. - Дијагностицирање на рак – ВИ системите можат да детектираат мали, речиси невидливи тумори на мамографиите.
- Идентификација на белодробни заболувања – Автоматска анализа на рендген снимки за откривање на пневмонија, КОВИД-19, туберкулоза и др. 3. Откривање на мозочни удари – ВИ модели можат брзо да анализираат снимки за да детектираат различни степени на мозочни удари.
Слика 2: Вештачката интелигенција во радиологијата
5
ОБРАБОТКА НА ПРИРОДНИ ЈАЗИЦИ (NLP) ВО МЕДИЦИНСКАТА ДИЈАГНОСТИКА
Обработката на природни јазици
(Natural Language Processing – NLP) е
гранка на вештачката интелигенција
која се занимава со анализа,
разбирање и обработка на
природниот (човековиот) јазик. Во
медицината, NLP се користи за
обработка на медицински текстови,
Слика 3: Примена на NLP во медицината
како што се електронските здравствени записи (EHR), лекарските белешки, извештаите од лаборатории и резултатите од медицински тестови. Оваа технологија овозможува автоматизирано извлекување на информации, групирање на податоци во категории и подобрување на комуникацијата во здравствените системи.
- Автоматско извлекување на податоци – NLP им помага на лекарите брзо да ги пронајдат релевантните информации без рачно пребарување низ долги документи.
- Подобрување на точноста во дијагностицирањето – Автоматизирано идентификување на симптоми и ризици за болести базирано на медицинските записи.
- Превод на медицински текстови – NLP овозможува автоматски и прецизен превод на медицински документи, олеснувајќи ја комуникацијата помеѓу различни здравствени институции.
- Гласовни асистенти за лекарите – Гласовнните NLP системи можат да ги трансформираат говорните белешки на лекарите во текст, за побрзо водење на медицинска документација.
- Откривање на медицински измами – NLP алгоритмите можат да анализираат осигурителни здравствени барања и да идентификуваат потенцијални злоупотреби.
6
ЛЕКАРИ НАСПРОТИ ВЕШТАЧКАТА ИНТЕЛИГЕНЦИЈА – КОЈ Е ПОДОБАР?
Вештачката интелигенција (ВИ) веќе покажува извонредни резултати во медицината, особено во анализата на медицински слики, препознавањето на шеми во медицинските податоци и автоматизацијата на административни задачи. Од друга страна, лекарите поседуваат нешто што ВИ сè уште не може целосно да го изведе – клиничка интуиција, етичко размислување, емпатија и способност за адаптација. Но, дали ВИ може да стане подобра од лекарите во некои аспекти? Доколку може, дали тоа значи дека ќе ги замени? За да одговориме на овие прашања, ќе ги споредиме ВИ и лекарите во повеќе клучни области. (JAMA n.d.)
ДИЈАГНОСТИЦИРАЊЕ НА БОЛЕСТИ
Вештачката интелигенција
постигна значителен напредок во
дијагностиката, особено во
радиологијата, дерматологијата и
патологијата, благодарение на
можноста за брза анализа на
илјадници медицински слики со
висока точност. Алгоритмите, како
Слика 4: Употреба на ВИ во анализа на резултати
што е Google DeepMind, веќе докажаа дека можат да дијагностицираат заболувања со еднаква или поголема прецизност од лекарите, без замор или пад на концентрација. Сепак, нивната точност зависи од квалитетот и разновидноста на податоците со кои се тренирани, што може да доведе до неточни резултати во некои од случаевите. Од друга страна, лекарите комбинираат знаење, искуство и интуиција, земајќи ги предвид психолошките и социјалните фактори на пациентот, што им овозможува подобро прилагодување на нови и комплексни клинички ситуации. Затоа, иако ВИ е супериорна во специфични задачи како анализа на слики, лекарите остануваат неопходни за целосната клиничка проценка, токму поради способноста емотивно и од психолошки аспект да ги разгледуваат проблемите на секој од пациентите. (RSNA 2020)
7
ДОНЕСУВАЊЕ МЕДИЦИНСКИ ОДЛУКИ И ПРЕПИШУВАЊЕ НА ТЕРАПИИ
Моделите за предвидување, базирани на вештачка интелигенција, можат да анализираат големи количини на податоци и да предложат терапии засновани на најновите истражувања. Сето ова е особено корисно при предвидување на разни болести и според тоа препишување на соодветна терапија врз основа на генетскиот статус на пациентот. Сепак, лекувањето не е исклучиво научен процес – секој пациент е различен, а ВИ не може да ги земе предвид неговите лични предиспозиции, животни околности со кои се среќава секојдневно и неговата психолошка состојба.
Слика 5: Два различни начина на користење на машина која работи со ВИ во лабораторија
Лекарите, од друга страна пак, можат да ги толкуваат медицинските податоци од социјален и психолошки аспект, да комуницираат директно со пациентите и да носат одлуки врз основа на искуство и интуиција, особено во итни случаи. Затоа, ВИ е корисна алатка за поддршка на медицинските одлуки, но лекарите остануваат клучни за персонализирана нега и сложени клинички ситуации.
ИНТЕРЕСНИ ФАКТИ
- Aлгоритмот на Google Health за детекција на рак на дојка покажа поголема точност од радиолозите, намалувајќи ги лажно позитивните и лажно негативните резултати.
- Компанијата BlueDot, користејќи машинско учење, успеа да предвиди ширење на вирусот COVID-19 пред Светската здравствена организација официјално да издаде предупредување.
8
ЕМПАТИЈА И КОМУНИКАЦИЈА СО ПАЦИЕНТИТЕ
Еден од најважните фактори во медицината, е добрата комуникација меѓу лекарот и пациентот, односно трпеливоста на лекарот да го сослуша пациентот за проблемите со кои се соочува. Според лекарот Бајва,
“Покрај квалитетниот медицински преглед, разговорот со пациентот за неговите проблеми го прават прегледот целосен” (Bajwa 2020).
Од друга страна пак, главната
слабости на ВИ во медицината е
недостатокот на човечка интеракција,
што е клучен аспект во лекувањето на
пациентите. Лекарите не само што
поставуваат дијагнози и препишуваат
Слика 6: Разговор помеѓу доктор и пациент Слика 7: Употреба на AI машина во медицината
терапии, туку и градат доверба во пациентите со помош на разговори, обезбедуваат поддршка и ги прилагодуваат своите објаснувања и дијагнози според нивното разбирање и емоционална состојба.
Иако ВИ може да симулира емпатија преку напредни чатботови и виртуелни асистенти, таа сè уште нема способност навистина да ги почувствува и разбере емоциите на пациентот. На пример, еден алгоритам може да даде технички точен одговор за прогноза на болест, но бидејќи неговата емоционална интелигенција не е развиена на човеково ниво, нема да може емотивно да го утеши пациентот.
Токму поради тоа, комуникацијата останува длабоко човечка вештина која технологијата сè уште не може да ја реплицира целосно. Додека ВИ може да помогне со анализа и препораки, емпатијата и директната комуникација со пациентите остануваат главна предност на лекарите, што ја прави нивната улога незаменлива во медицината.
9
ТОЧНОСТ НА ВИ, ГРЕШКИ И СУМАРИЗАЦИЈА
Вештачката интелигенција има потенцијал значително да ги намали грешките во дијагностиката, особено при анализа на големи количини податоци, каде што може да идентификува случаи кои се недостижни за човечкото око. Сепак, доколку алгоритамот направи грешка, често е тешко да се разбере зошто, поради таканаречениот „black box“ проблем. Од друга страна, лекарите иако подложни на замор и стрес, имаат способност критички да размислуваат, да ги препознаат несекојдневните случаи и да се прилагодат на несигурни околности. Додека ВИ може да биде извонредно прецизна во одредени задачи, човековата интуиција и способноста за прилагодување остануваат незаменливи во сложени клинички сценарија.
Ретроспективно од горенаведените заклучоци, сфаќаме дека најдобар пристап е комбинација на ВИ и лекари, каде што ВИ ќе помага во анализата на податоци и дијагностиката, а лекарите ќе ги носат финалните одлуки, ќе комуницираат со пациентите и ќе ги водат низ процесот на лекување.
ИДНИНАТА НА ВИ ВО МЕДИЦИНАТА
“Колаборација, а не замена!” (Gawande 2014) – Иако вештачката интелигенција покажува импресивни резултати во анализа на медицински податоци, таа не може целосно да ги замени лекарите. Затоа најдобро решение за доаѓање до најточни резултати, е комбинација на двете сили истовремено. Лекарите, со своето искуство и клиничко расудување, можат да ги интерпретираат препораките на ВИ во поширок медицински контекст. Овој пристап ја зголемува ефикасноста, но ја задржува хуманата и емоционална димензија на медицината. (News 2018)
10
ПОДОБРУВАЊЕ НА АЛГОРИТМИТЕ
Со текот на времето, алгоритмите за машинско учење стануваат сè попрецизни благодарение на поголеми и поразновидни бази на податоци. Новите методи, како што се самообучувачките модели на ВИ, ќе им овозможат на системите да станат пофлексибилни и помалку зависни од строго дефинирани податоци. Дополнително, ќе се подобрат механизмите за објаснување на одлуките на ВИ, со што лекарите ќе можат полесно да ги толкуваат предлозите и да им веруваат на алгоритмите.
ИНТЕРЕСНИ ФАКТИ
- Истражувањата покажале дека ВИ модели можат да предвидат срцев удар до 4 години однапред со 80% точност, користејќи податоци од рутински прегледи.
- Во 2021 година, ВИ успеала да дизајнира целосно нов антибиотик, што значи дека иднината на медицината може да биде во рацете на алгоритми!
- Програмата MYCIN, развиена во 1972 година, можела да дијагностицира инфекции на крвта со подобра точност од некои доктори.
АВТОМАТИЗАЦИЈА НА РУТИНСКИ ЗАДАЧИ
Еден од предизвиците на ВИ е во
иднина да ги ослободи лекарите од
административни обврски, со што ќе
овозможи да одвојат повеќе време за
пациентите. Денешните технологии и брзината
на нивното развивање ќе овозможат еден ден
ВИ да може да автоматизира дел од овие
процеси, на пример, со користење на NLP
Слика 8: Робот – помошник на лекарите
(обработка на природни јазик) за автоматско препознавање и структурирање на податоци од медицински извештаи. Со ова, лекарите ќе имаат повеќе време за интеракција со пациентите, што ќе го подобри квалитетот на здравствената нега. (SCIENCE 2018)
11
ЗАКЛУЧОК
Вештачката интелигенција има потенцијал да предизвика револуција во медицината, овозможувајќи побрза, попрецизна и подостапна здравствена заштита. Благодарение на напредокот во машинското учење и обработката на големи количини медицински податоци, ВИ веќе се применува во дијагностицирање болести, анализирање медицински слики, предвидување исходи од дадено лекување и препишување на соодветни терапии на пациентите.
Сепак, и покрај извонредниот напредок, ВИ не може целосно да ги замени лекарите. Алгоритмите, иако способни да обработат огромни количини податоци за кратко време, ограничени се во способноста на разбирање и толкување на сложени клинички ситуации. Дијагнозата и терапиите на пациентите често бараат не само техничко знаење, туку и интуиција, критичко размислување и искуство стекнато преку години работа со пациенти.
Покрај тоа, човечката интеракција и емпатијата играат клучна улога во медицината. Пациентите не се само збир од симптоми и лабораториски резултати – нивната психолошка состојба, емоции и социјални фактори се исто толку важни во процесот на лекување. Лекарите имаат способност да ги слушаат своите пациенти, да ги разберат нивните стравови и да ја приспособат комуникацијата според нивните индивидуални потреби, нешто што ВИ, барем засега, не може вистински да го реплицира.
Затоа, наместо да се гледа како замена за лекарите, ВИ треба да се користи како алатка што ќе ја подобри медицинската грижа. Интеграцијата на ВИ во здравствените системи може да помогне во зголемување на ефикасноста, намалување на грешки и подобрување на точноста на дијагнозите. Со комбинирање на вештачката интелигенција со медицинското знаење и хуманоста на лекарите, можеме да создадеме поефикасен, попрецизен и покомпетентен здравствен систем кој навистина ќе ги стави пациентите на прво место.
12
БИБЛИОГРАФИЈА
Bajwa, Junaid. 2020. “Artificial Intelligence in Healthcare”. Chicago: Journal of Medical Systems. Gawande, Atul. 2014. Being Mortal.
NIH. н.д. Artificial Intelligence in Healthcare. https://www.nih.gov.
JAMA. н.д. The Journal of the American Medical Association. https://jamanetwork.com. RSNA. 2020. “Artificial Intelligence in Radiology”-Radiology Journal. https://pubs.rsna.org/journal/ai.
News, Science. 2018. Google DeepMind AI Diagnoses Eye Disease with Superhuman Accuracy. https://www.statnews.com/2018/08/13/google-deepmind-ai-diagnoses-eye-diseases/.
SCIENCE. 2018. Bringing together industry, research and policy. https://sciencebusiness.net/news/ict/deepminds-ai doctor-predicted-transform-eye-disease-diagnosis.
WHO. 2025. World Health Organization. https://www.who.int.
Review, Harvard Business. 2025. How Artificial Intelligence is Changing Healthcare. https://hbr.org.
Esteva, A., Kuprel, B., Novoa, R. A. 2017. “Dermatologist-level classification of skin cancer with deep neural networks.” Nature 542(7639).
Liu, Y. н.д. “Artificial intelligence in healthcare: Past, present and future. .” Seminars in Cancer Biology.
13