Penjagaan Kesihatan Adalah Ujian Tersukar bagi AI

(SeaPRwire) –   Jika anda ingin memahami bagaimana kecerdasan buatan akan benar-benar memberi impak kepada dunia, jangan lihat pada pengekodan, undang-undang, atau kewangan. Lihatlah penjagaan kesihatan. Di sinilah AI menghadapi ujian paling sukar: lapisan peraturan, pertaruhan hidup atau mati, biologi yang kompleks, dan teras kemanusiaan yang mendalam serta penuh belas kasihan yang kebanyakan orang akan menganggap adalah perkara terakhir yang boleh ditiru oleh mesin.

Hampir sedekad yang lalu, saintis komputer dan pemenang Hadiah Nobel (dikenali sebagai “Godfather of AI”) berkata hospital harus berhenti melatih pakar radiologi kerana, dalam tempoh lima tahun, AI akan melakukan kerja itu dengan lebih baik. Hampir 10 tahun kemudian, terdapat lebih ramai pakar radiologi berbanding sebelum ini. Daripada alat kecerdasan buatan dan pembelajaran mesin yang menerima kelulusan FDA antara 1995 dan 2024, 723 adalah peranti radiologi. Mesin bertambah baik. Manusia tidak pergi.

Apabila saya membangkitkan perkara ini dengan Hinton baru-baru ini, beliau cepat mengubah kerangka daripada berundur. Apa yang beliau salah nilai, katanya, bukanlah teknologi. Ia adalah ekonomi.

“Penjagaan kesihatan adalah pasaran yang sangat anjal,” katanya kepada saya. “Jika anda membenarkan pekerja penjagaan kesihatan melakukan sepuluh kali ganda lebih banyak, kita semua akan mendapat sepuluh kali ganda lebih banyak penjagaan kesihatan. Terutamanya orang tua, mereka boleh menyerap jumlah yang tidak berkesudahan.”

Soalan standard—“Adakah AI akan menggantikan doktor?”—ternyata salah. Permintaan untuk penjagaan kesihatan secara efektif tidak terhingga. Sentiasa ada imbasan lain untuk dibaca, keadaan lain yang tidak didiagnosis kerana tiada siapa yang mempunyai masa untuk melihat. AI tidak akan mengecilkan tenaga kerja perubatan. Ia akan mendedahkan berapa banyak keperluan yang tidak dipenuhi sentiasa ada.

Apabila AI mengatasi doktor, dan apabila ia gagal

Dalam beberapa keadaan, AI sudah mengatasi doktor. Pakar kardiologi dan penyelidik Eric Topol menyatakan bahawa sistem AI yang berfungsi secara bebas mengatasi mereka yang mempunyai akses kepada AI sebagai alat. “Saya masih berpendapat gabungan itu mungkin akan menang,” kata Topol kepada saya. “Tetapi saya tidak seberapa yakin seperti pada tahun 2019.”

Mengapa AI sahaja kadang-kadang mengatasi manusia yang menggunakan bantuan AI? Satu penjelasan adalah apa yang penyelidik panggil pengabaian automasi: doktor berpegang pada diagnosis awal mereka dan gagal menyesuaikan diri, walaupun sistem mencadangkan alternatif. Satu lagi ialah kita hanya belum belajar bagaimana untuk bekerjasama secara berkesan dengan alat-alat ini.

Tidak semua bukti memihak kepada mesin. Dalam percubaan terkawal rawak yang diterbitkan dalam, pakar kardiologi dan rakan-rakan menguji sistem AI pada kes kardiologi kompleks yang melibatkan disyaki, diagnosis yang sukar bagi pakar klinikal yang berpengalaman sekalipun.

“Pakar adalah jarang,” katanya. “Bolehkah AI membantu doktor umum berfikir seperti mereka?”

Mereka boleh. Pakar kardiologi umum yang dibantu oleh AI menghasilkan penilaian yang lebih disukai oleh pengulas pakar, dengan kurang kesilapan yang signifikan secara klinikal. Tetapi 6.5% daripada respons AI mengandungi halusinasi yang signifikan secara klinikal.

Apa yang menjadikan penemuan itu berguna adalah apa yang berlaku seterusnya. “Apabila pakar kardiologi manusia mempersoalkan model AI, ‘adakah anda pasti ekokardiogram menunjukkan ventrikel yang menebal?’ AI akan membetulkan dirinya.” Mesin itu tidak tahu ia salah sehingga seseorang bertanya.

Dan terdapat tanda-tanda amaran. Baru bulan lepas, Topol menyatakan, sebuah kertas kerja dalam menilai triage perubatan menggunakan model paling canggih ChatGPT. Ia melakukan triage secara tidak betul lebih daripada separuh masa, memberitahu pesakit yang memerlukan bilik kecemasan dengan segera untuk tinggal di rumah. “Kita masih jauh lagi,” katanya.

Bukti adalah tidak sekata. Untuk beberapa tugas, AI sahaja berprestasi terbaik. Untuk yang lain, manusia dan mesin bersama-sama mengatasi salah satu daripadanya. Dalam kes lain pula, teknologi itu tidak boleh dipercayai secara berbahaya. Cabaran sebenar bukanlah sama ada AI berfungsi. Ia adalah mengetahui bila.

Beralih daripada perubatan reaktif kepada pencegahan

Perubahan paling signifikan mungkin bukan ketepatan diagnostik tetapi masa. Sistem kesihatan moden dibina untuk merawat penyakit selepas gejala muncul. Topol percaya AI boleh membantu menggerakkan perubatan ke arah hulu.

“Tiga penyakit utama berkaitan usia, neurodegenerasi, kanser, dan penyakit kardiovaskular, semuanya mengambil masa inkubasi 15 hingga 20 tahun dalam badan kita,” katanya kepada saya. “Kita mempunyai landasan yang hebat untuk bekerja, tetapi kita tidak mempunyai cara untuk mengintegrasikan semua data. Kita bahkan tidak mempunyai semua data.”

Kini kita mula melakukannya. Apple Watch dan peranti boleh pakai lain, yang menjana aliran berterusan variabiliti kadar jantung, oksigen darah, dan data tidur. Penyelidik di Stanford baru-baru ini menunjukkan bahawa 130 keadaan boleh diramalkan dengan tepat daripada. , , kini boleh menganggarkan. Bahagian yang hilang, menurut Topol, adalah imunom, peta komprehensif fungsi imun seseorang.

“Selepas otak, sistem imun adalah sistem paling kompleks dalam badan,” katanya. “Dan kita tidak mempunyai cara di klinik untuk mengukurnya. Pada tahun 2026, itu mengerikan.”

Beliau percaya bahawa sistem imun yang tidak terkawal adalah benang merah yang menghubungkan kanser, neurodegenerasi, dan penyakit jantung, dan bahawa mengukurnya akan membuka era baru ramalan risiko.

Peluang itu bukan dalam menggantikan doktor dengan satu produk terobosan, tetapi dalam membina infrastruktur di sekitar model penjagaan pencegahan hulu yang baru: tidur, peranti boleh pakai, protein darah. Janji sebenar AI mungkin adalah ia memantau secara senyap tanda-tanda amaran awal badan dan campur tangan jauh sebelum penyakit menjadi kelihatan.

Had undang-undang, etika, dan manusia AI dalam penjagaan kesihatan

Walau bagaimanapun, penggunaan AI dalam penjagaan kesihatan tidak akan semata-mata bersifat teknikal. Hinton menunjukkan asimetri undang-undang. Jika seorang doktor gagal menggunakan alat AI yang tersedia dan seorang pesakit meninggal dunia, tiada siapa yang disaman. Tetapi jika seorang doktor menggunakan AI dan kemudaratan berlaku, liabiliti boleh menjadi serta-merta. Sistem ini menghalang penggunaan awal.

Sementara itu, kesilapan manusia kekal meluas. “Kita tahu terdapat sekurang-kurangnya di A.S. yang mengakibatkan kira-kira,” Topol memberitahu saya. “Dan kita tidak cenderung untuk bercakap mengenainya. Kita terus bercakap tentang kesilapan yang dilakukan oleh AI.”

Selain itu, persoalan empati masih belum diselesaikan. Apabila saya bertanya kepada Hinton sama ada beliau akan berasa selesa dijaga oleh AI pada akhir hayatnya, beliau berhenti seketika. “Saya mungkin fikir ia berpura-pura,” katanya. Kemudian menambah: “Tetapi saya fikir AI boleh benar-benar mempunyai empati.”

Topol tidak bersetuju. “AI sangat bagus dalam menyalurkan empati,” katanya kepada saya. “Tetapi tidak ada perkara seperti mesin yang mengetahui apa itu empati. Orang ramai ingin memandang mata seseorang dan tahu bahawa orang itu mengambil berat tentang mereka. Itulah intipati perubatan. Tiada mesin yang akan benar-benar menggantikan itu.”