Agnes, nevezzük így, fiatal holland szakember, aki mesterséges intelligenciával foglalatoskodott korábban, mostani munkakörét talán az adattudós elnevezés írja le a legpontosabban.
Agnes feladata, hogy nagytömegű adat, információ gépi elemzésével közvetlenül támogassa az orvosok munkáját. A végső stádiumban lévő betegeket kemoterápiával kezelik, a hagyományosnak mondható módszer alkalmazása esetén három hétbe is telik, mire kiderül, hogy a páciens daganata miként reagál az adott terápiára (növekszik-e, stagnál-e, vagy netán zsugorodni kezd).
Az Agnes által végzett matematikai elemzéseknek köszönhetően a háromhetes időszak akár három napra is csökkenthető, pontosabban nem kell három hetet várni arra, hogy konstatálják, miként változik a tumor a kezelés hatására, hanem három nap is elég lehet ahhoz, hogy teljes biztonsággal előre jelezzék, miként fog a tumor reagálni.
Az adattudomány – data science – eszközeit és módszereit alkalmazó ember képessé válik arra is, hogy nagy biztonsággal előre jelezze bonyolult folyamatok alakulását. Tegyük hozzá: egyáltalán nem szükségszerű mindehhez, hogy értse vagy megértse, miként is zajlik le a vizsgált folyamat.
Folyamatosan mérik az indikátorokat, rögzítik (adatok, képek formájában) a terápia során azt, hogy a beteg szervezete miként reagál a kezelésre. Korábbi – az egészségügyi központban és másutt folytatott – hasonló kezelésekről, esetekről rendelkezésre álló adatbázisokban való kutatás következik ekkor, majd jön az összehasonlítás, amikor is a beteg indikátorainak alakulását összevetik más, már kiértékelt esetekkel, hogy megszülethessen a predikció.
Agnes nem orvos, és nagyon valószínű, hogy nem is lesz az. Most éppen orvosokkal működik együtt, segíti őket napi munkájukban, ami nem is olyan egyszerű, mint gondolnánk. Az orvosok is emberek, és nem egyformán reagálnak a világ változásaira, például arra, hogy jön egy nemdoki és olyasmiket mond ki, amelyeket korábban csak dokik mondhattak ki. A fiatal holland adattudós azt mesélte nekem, hogy orvoskollégái között vannak, akik nagy örömmel fogadják a tőle érkező információkat, tanácsokat, viszont nem kevesen vannak olyanok, akik azt hangoztatják, hogy nekik ne mondja meg egy gép, hogy milyen döntéseket hozzanak a kezelés során, nem azért koptatták hosszú éveken át az egyetem padjait, és nem azért gyűjtöttek évtizedes tapasztalatokat az orvoslásban.
Nem kérdeztem meg Agnest, hogy miként éli meg a mindennapokat az egészségügyi központban. Az orvosok tudatosan építik és tartják karban azt a képességüket, amellyel elviselik a foglalkozásukból eredő lelki megpróbáltatásokat, elviselik, ha meghal a beteg, és marad erejük tovább lépni. Vajon hogyan dolgozza fel Agnes azt, amikor az osztályon egy beteg, aki – akárhogyan is vesszük – az ő betege is, itt hagyja ezt az árnyékvilágot?
Nem lehet neki könnyű. Például gondolhat arra, hogy ha, mondjuk, nem ezer, hanem egymillió eset adatbázisa állna a rendelkezésére a vizsgált kórtörténet elemzésekor, akkor szinte teljes bizonyossággal fogalmazhatná meg előrejelzését, tanácsait. És az sem kizárt, hogy ha kellően nagy az eset-adatbázis, azt is megmondhatná már a kezelés kezdetén, hogy milyen terápia a javallt az adott páciens esetében. Arra is gondolhat, hogy ha találna jobb technológiai eszközöket, lekérdező algoritmusokat, akkor az elemzéseket gyorsabban futtathatná le, vagy újabb összefüggésekre találhatna rá.
Már csak évek kérdése, s a diagnosztikában a gépek veszik át a vezető szerepet. Az adattudomány eredményeinek köszönhetően a gépi diagnosztika pontossága hamarosan meghaladja az emberit.
I dedicate this editorial to one of my good old friends. He was a liked and respected personality of the Hungarian IT history in the first half of the 90s. He then started a new life in Spain. He is now undergoing chemotherapy – and in some days I will see him at his home.