Revolucionarni napredak - uloga arteficijalne inteligencije u medicini

Kako vještačka inteligencija transformiše oftalmologiju: od naučne fantastike do svakodnevne dijagnostike

Sjećam se 2010. godine, kada sam prvi put kročio u laboratorij u Bostonu, gdje smo pokušavali implementirati prve algoritme mašinskog učenja za analizu medicinskih slika. Sve je još bilo nespretno, nestabilno, a kompjuteri su više „pogađali“ nego što su „znali“. Danas, nakon više od decenije istraživanja, napredak vještačke inteligencije (AI) u medicini nije više eksperiment – postaje svakodnevica. I to na mjestima gdje je najpotrebnije, kao što je oftalmologija.

Šta je vještačka inteligencija i kako funkcioniše u medicini

AI je, uprošteno rečeno, sposobnost računara da „misli“ kao čovjek – samo brže, tačnije i bez umora. Na samim počecima razvoja, istraživači su doslovno pokušavali kodirati svaku moguću odluku u sistem – kao da učite dijete da hoda tako što mu detaljno objašnjavate pomjeranje svakog mišića. Bio je to Sizifov posao.

Ali s pojavom mašinskog učenja (ML), sve se promijenilo. Umjesto da unosimo pravila, počeli smo unositi podatke – hiljade slika, nalaza, vrijednosti – i pustili računare da uče sami. Najnovija faza toga je takozvano „duboko učenje“ (deep learning), gdje AI analizira podatke kroz stotine slojeva, prepoznaje obrasce koje ni sami ljekari često ne primijete.

DME: tiha prijetnja vidu miliona dijabetičara

Prije nekoliko godina sam imao pacijenta, Samira, automehaničara iz Zenice, koji se javio tek kada mu je vid potpuno zamućen. Dijagnosticiran mu je dijabetički makularni edem (DME) – komplikacija dijabetesa koja zadebljava makulu, centralni dio mrežnjače. U njegovom slučaju, bolest je već bila uznapredovala. Da je došao samo nekoliko mjeseci ranije, ishod bi vjerovatno bio drugačiji.

DME se može otkriti na vrijeme, ali to zahtijeva redovne kontrole. Statistike su porazne – više od 60% oboljelih od dijabetesa ne ide redovno na očne preglede. Razlog? Nedostupnost opreme, cijena, udaljenost, ali i jednostavno – zaborav.

CFP vs. OCT: gdje AI stupa na scenu

Tradicionalno, dijagnoza DME-a se postavlja pomoću optičke koherentne tomografije (OCT) – sofisticirane tehnologije koja pravi 3D presjek mrežnjače. Ali OCT uređaji su skupi, zahtijevaju stručni kadar i nisu dostupni u manjim ambulantama.

S druge strane, mnogo dostupnija metoda je kolor fotografija očnog dna (CFP), koja daje dvodimenzionalnu sliku mrežnjače. Međutim, ona ne prikazuje debljinu makule – ključni parametar za odluku o liječenju. Tu na scenu stupa vještačka inteligencija.

Deep learning i AI dijagnostika: studija Genentech-a

Naučnici iz Genentech-a postavili su sebi ambiciozno pitanje: „Možemo li AI naučiti da samo iz CFP slike procijeni debljinu makule – bez potrebe za OCT-om?“ Da, i to su uspjeli.

Koristeći preko 17.000 CFP slika i pratećih OCT nalaza od 700 pacijenata, AI sistem je „učio“ prepoznavati obrasce koji ukazuju na DME. Rezultat? Model je uspio s tačnošću od čak 97% predvidjeti da li makula prelazi kritičnih 250 mikrona – granicu nakon koje mnogi oftalmolozi razmatraju terapiju.

Ono što me fasciniralo jeste da je AI „gledao“ iste stvari kao i iskusni oftalmolozi – konture, dijametre krvnih sudova, promjene u boji i teksturi mrežnjače.

Šta to znači za budućnost oftalmologije i pacijenata

Zamislite da pacijent u ruralnoj ambulanti, 50 kilometara od prve očne klinike, može dobiti gotovo trenutnu procjenu svog stanja – samo na osnovu jedne CFP fotografije. Ili da osoba s dijabetesom, pomoću kamere svog mobitela i posebne aplikacije, može kod kuće nadzirati zdravlje mrežnjače.

AI ne samo da rasterećuje ljekare, nego i vraća kontrolu u ruke pacijenata. Umjesto da budu pasivni primaoci terapije, postaju aktivni sudionici u svom liječenju.

Važnost kvalitetnih podataka za uspješnost AI sistema

Naravno, nijedna AI nije bolja od podataka na kojima je trenirana. Ako ubacite loše, neprecizne ili pristrasne podatke – dobit ćete isto takve rezultate. Zato je ključno da baze podataka na kojima učimo algoritme budu raznolike, tačne i dobro kategorizirane.

Još uvijek se sjećam jednog neuspješnog projekta iz 2016. godine gdje je naš AI sistem precizno dijagnosticirao samo pacijente s „idealnim“ očnim snimcima, dok je kod stvarnih, zamagljenih i lošije snimljenih slučajeva – potpuno zakazivao. Tada smo naučili lekciju koju danas stalno ponavljamo studentima: „AI je dobar koliko i podaci koje mu daš.“

{getCard} $type={post} $title={Možda Vas zanima i ovo!}

Korak dalje: personalizirana medicina pomoću AI

Najuzbudljiviji dio cijele priče tek dolazi. AI bi uskoro mogao ne samo postavljati dijagnozu, nego i predvidjeti kako će koji pacijent reagovati na terapiju. Spojimo li podatke iz CFP slika sa genetskim informacijama, istorijom bolesti, životnim navikama – dobijamo alat za istinsku personaliziranu medicinu.

To znači da ćemo moći reći: „Ovaj pacijent ima veći rizik od brzog napredovanja bolesti“ ili „Ovaj lijek ima 80% vjerovatnoće da djeluje baš kod ove osobe“.

Zaključak: AI kao saveznik, a ne zamjena

Vještačka inteligencija neće zamijeniti ljekare – ali će im biti najbolji saveznik. Ona ne spava, ne zaboravlja, uči svakim danom i daje nam ono najvrednije: vrijeme. Vrijeme da se fokusiramo na ono što je najvažnije – ljudski kontakt, razumijevanje, saosjećanje.

I možda, jednog dana, više nijedan pacijent neće, poput mog Samira, zakasniti na pregled zbog tehnologije koju nismo na vrijeme iskoristili.