Az MI napjainkban a viták kereszttüzében áll: szélsőséges nézetek csapnak össze, egyesek a környezeti katasztrófa felé rohanó emberiség utolsó mentsvárának tekintik, mások a fajunkra leselkedő legsúlyosabb fenyegetést látják benne. Az igazság valószínűleg a két véglet között van: a technológia önmagában sem elpusztítani, sem megmenteni nem fog bennünket, és bár tényleg vannak veszélyei, körültekintően használva hatalmas segítséget nyújthat az elkövetkező évek globális kihívásainak kezeléséhez.
Ha van terület, amelyre ez fokozottan igaz, akkor az a medicina, ahol az MI a szó szoros értelmében életeket menthet. A következőkben az MI néhány izgalmas, új gyógyászati alkalmazását mutatjuk be: olyan kutatásokat, amelyek felvillantanak valamit a technológiában rejlő hatalmas potenciálból.
Érints meg!
Minden egyes ujjvégződésünk több, mint 3000 receptort rejt, amelyek elsősorban nyomásra érzékenyek. Ezek az érzékelők elképesztően pontos képet adnak mindazon dolgok minőségéről, amelyeket ujjainkkal megérintünk, és az általuk közvetített információk kulcsszerepet játszanak a tárgyhasználatunkban. Az ilyen típusú érzékelés hiánya rendkívül megnehezíti azok életét, akik elveszítették kezüket, és testpótlással élnek. Bár ma már többfajta, rendkívül kifinomult technológiájú végtagpótlás létezik, az érintés érzékelése valamennyiből hiányzik, és visszajelzés híján a protézis viselője könnyen elejtheti, vagy összetörheti a tárgyakat.
A Florida Atlantic University kutatói ezért azt a célt tűzték ki maguk elé, hogy egy olyan, az emberi érzékeléshez közelebb álló felületet dolgoznak ki, amelyet a mesterséges kezeken lehet alkalmazni.
A szenzorok kialakításakor - a szakterületen elsőként - a folyékony fémekhez fordultak, amelyeket szilíciumalapú, rugalmas kapszulákba ágyaztak. Ez a technológia számos előnyt kínál a hagyományos érzékelőkhöz képest, ugyanis nyugtható, ruganyos, nagyon jó vezető, és a hierarchikus, többujjas taktilis (tapintási) érzékelés integrációjával új szintre emeli a mesterséges kezek intelligenciáját.
A kutatók egyedi ujjvégződéseket használtak a testpótláson, hogy megkülönböztessék a tapintási mozdulat sebességét a különféleképpen texturált felületeken. Négy különböző alaptexturát definiáltak, és ezek érzékeléséhez négy gépi tanulási algoritmust tanítottak be, amelyeket tíz, a négy alaptípust véletlenszerűen variáló, összetett felületen treníroztak.
Versengő algoritmusok
A teszteredmények azt mutatták, hogy a négy ujjvégződésen helyet foglaló folyékony fémes szenzorok együttes munkával a bonyolult, vegyesen texturált felületekkel is jól elboldogultak, ami a kutatók szerint azt jelenti, hogy a hierarchikus intelligencia új formája született meg. Ennek az intelligenciának kulcseleme volt a gépi tanulási algoritmus, amely mindegyik ujjon nagy pontossággal tudott különbséget tenni a különböző tapintási sebességek között. A fejlesztés gyakorlati alkalmazása még odébb van, de az eredmények azt ígérik, hogy a mesterséges intelligenciával megtámogatott új technológia belátható időn belül az érintés élményével ajándékozhatja meg az amputáltakat.
A kutatás egyik érdekes hozadéka, hogy a tudósok a négy különböző gépi tanulási algoritmus képességeit is össze tudták hasonlítani abból a szempontból, melyik milyen hatékonysággal segíti a felületek osztályozását. A szakemberek a "legközelebbi szomszéd" (KNN), a "tartóvektor gép" (SVM), a "véletlen erdő" (RF) és "neurális hálózat" (NN) algoritmusokat használták: a leggyorsabbnak és legmegbízhatóbbnak a textúrák felismerésében az NN bizonyult, amely 99,2 százalékos pontossággal tudott különbséget tenni a tíz bonyolult felület között, amikor a néhány ujj érzékelőről egyidejűleg érkeztek a jelek.
Matuzsálem titka
Más, nem kevésbé fontos területen is értek el jelentős sikert a University of Surrey kutatói, akik olyan kémiai anyagok felkutatására használták a mesterséges intelligenciát, amelyek lassítják az öregedést, és végső soron az emberi élet meghosszabbításának kulcsát jelenthetik.
A kémikusokból álló kutatócsoport a DrugAge adatbázisának információin alapuló gépi tanulási modellt hozott létre annak megállapítására, hogy egy vegyület meghosszabbítja-e a Caenorhabditis elegans nevű áttetsző, féregszerű kis lény életét (amelynek anyagcseréje hasonlít az emberére, viszont az életciklusa sokkal rövidebb, így jól tanulmányozható rajta a kémiai anyagok hatása).
Az MI három olyan vegyületet talált, amely nyolcvan százalékos valószínűséggel meghosszabbította a kísérleti alanyok életét. Ezek az anyagok a következők:
- flavonoidok (növényekben található antioxidáns pigmentek, amelyek a szív- és érrendszer működését segítik)
- zsírsavak (például az omega-3)
- szerves oxigén (szén-oxigén kötéseket tartalmazó anyagok).
A tudósok szerint az öregedést a modern gyógyításban egyre inkább betegségek és rendellenességek sorának tekintik, és a korszerű digitális technológiák, köztük az MI segíthet megelőzni vagy lelassítani ezeknek az öregséghez kapcsolódó problémáknak a kialakulását. A modellértékű kutatás valódi jelentősége nem is elsősorban az öregedést gátló vegyületek néhány csoportjának azonosításában rejlik (a feltárt összefüggésekkel az orvosok eddig is tisztában voltak), hanem inkább abban, hogy egy izgalmas, új szakterületre terjeszti ki az MI alkalmazási körét.
A legjobb diagnoszta
A betegségmegelőzés mellett a közvetlen gyógyításban is nagy jövő előtt áll az MI: ezt bizonyítja az az ausztrál fejlesztés, amely a prosztatarák ellen indítja harcba a technológiát.
Ez a ráktípus a daganatos betegségek között világszerte az egyik leggyakoribb halálozási ok a férfiak körében, holott, ha korai stádiumában diagnosztizálják, jól gyógyítható. A férfiak azonban szeretik elhanyagolni a fizikai kontaktussal járó, nem épp kellemes szűrővizsgálatokat, és a betegséget sok esetben már csak túl későn ismerik fel.
Az ausztráliai RMIT University kutatói most egy olyan MI programot fejlesztettek ki, amelynek segítségével egy rutinszerű CT-vizsgálattal kiszűrhető a probléma. A technológia, amelynek kifejlesztésében a melbourne-i St. Vincent Hospital orvosai is részt vettek, a CT-képet kielemezve felkutatja a prosztatarák olyan apró jeleit, amelyek még egy jól képzett orvos figyelmét is elkerülnék.
A CT nem alkalmas rendszer rákszűrésre, mert jelentős mennyiségű sugárzással terheli meg a szervezetet, viszont az ausztrál kutatók MI megoldását akkor is alkalmazni lehet, ha a pácienst más okból vizsgálják az eszközzel.
A CT kiváló eszköz a csontrendszerrel kapcsolatos problémák detektálására, de a prosztata daganatának felismerése a képeken még a radiológusok számára sem egyszerű feladat. A szoftvert viszont úgy tanították be, hogy azt is kiszúrja, amin az emberi szem átsiklik.
A betanítási ciklus végére a program tudása olyan szintre fejlődött, hogy a legprofibb radiológusokat is lepipálta pontosságban, ráadásul sokkal gyorsabban dolgozott emberi vetélytársainál, és néhány másodperc alatt képes volt felismerni a korai stádiumban lévő daganatot. Sőt öntanuló képességének hála minden egyes CT-kép kielemzése tovább gyarapította tudását.
A gépi tanuláson alapuló diagnosztikai megoldás további előnye, hogy rendkívül adaptív, és másfajta képképző eszközökkel (MRI, DEXA stb.) is integrálható.
Az MI tehát felkészült arra, hogy ezernyi módon segítse a gyógyító munkáját. De vajon az egészségügyi rendszer felkészült-e rá, hogy ezt a jövőbe mutató technológiát beillessze a meglévő keretek közé?
Robbanás előtt
A COVID-19 világjárvány előtt borúlátóbb választ adtunk volna a fent megfogalmazott kérdésre, a pandémia azonban - más területekhez hasonlóan - az egészségügyben is kikényszerítette a változásokat, és felpörgette a digitális átalakulás folyamatát. Az elkövetkező években robbanásszerű fejlődésre számíthatunk, ami megmutatkozik a költésekben is: egy felmérés szerint míg 2019-ben az egészségbiztosítás és a gyógyszerészet területén mintegy 500 millió dollárt fordítottak mesterséges intelligenciára, 2024-re ez az összeg várhatólag kétmilliárd dollárra nő!
A világjárvány arra is rávilágított, milyen fontos az egészségügy gyors reagálóképessége: az MI projektek ebből a szempontból is minőségi javulást ígérnek.
A COVID-19 válság ugyanakkor az MI alkalmazásának jelenlegi korlátait is feltárta. Kiderült, hogy az algoritmusokat tápláló adatok gyenge minőségűek, az adatforrások megbízhatatlanok, és sok helyütt nincs meg a technológia alkalmazásához szükséges szakértelem. Az MI integrálásának legnagyobb akadálya nem technológiai: hiányzik az adatok összegyűjtésére és elemzésére szolgáló infrastruktúra, és az a szabvány-halmaz, amely az adatok kompatibilitását biztosítja.
Ahhoz, hogy az MI az egészségügyben is befuthassa azt a pályát, ami potenciálisan benne rejlik, mindenütt az adatvezérelt megközelítésre kell átállni, és olyan robusztus, átlátható modelleket kell létrehozni, amelyek kedvet ébresztenek a technológia alkalmazásához.
Cikkünk a Computerworld 2021. augusztus 4-ei számában jelent meg.
