Krajem januara, više od nedjelju dana prije nego što je kovid-19 dobio ime, bolnice u kineskom gradu Vuhanu počele su testiranje nove metode za otkrivanje bolesti, koristeći vještačku inteligenciju

 

Plan je uključivao CT grudnog koša, trodimenzionalno skeniranje pluća koje otkriva detaljne slike. Proučavanjem hiljada takvih slika, vještačka inteligencija, odnosno algoritam će naučiti da dešifruje da li je uzrok upale pluća kovid-19 ili nešto uobičajeno, poput gripa, za „Wired“ piše Gregory Barber.

 

Zdravstveni radnici nesigurni

 

Kako je virus u februaru počeo da se širi SAD-om, ideja je postala obećavajuća. S obzirom da je nedostajalo konvencionalnih testova, bio je to način da se više ljudi pregleda u što kraćem roku.

Zdravstveni radnici, međutim, nisu bili sigurni u ovo rješenje. Iako su različiti dijagnostički algoritmi već dobili odobrenje američke Agencije za hranu i lekove, za frakture šake, očne bolesti, rak dojke, obično su za njihov razvoj bile potrebne godine. Korišćeni su u različitim bolnicama s različitim pacijentima, ispitani su njihovi nedostaci i temeljno su testirani.

Postoji li o novom virusu dovoljno podataka da bi se jedna upala pluća zaista razlikovala od druge? Što je s blagim slučajevima, pri kojima oštećenja možda nisu tako vidljiva? Pandemija nije čekala da se pojave odgovori, ali medicina bi morala, piše Barber.

 

Procjena UN i SZO

 

Krajem marta, Ujedinjene Nacije i Svetska zdravstvena organizacija objavili su izveštaj u kome se ispitivao CT grudnog koša i niz drugih aplikacija vještačke inteligencije u borbi protiv kovida-19. Blago birokratska procjena bila je da nekoliko projekata ima „operativnu zrelost“.

Ograničenja su datirala od pre krize, koja ih je samo pogoršala. Pouzdana vještačka inteligencija zavisi od ljudske sposobnosti prikupljanja podataka i njihovog tumačenja.

Pandemija je bila primer zašto je tako nešto teško sprovesti usred krize. Sjetite se samo oprečnih savjeta o nošenju maske, uzimanju lekova za skidanje temperature ili ljekara koji nisu sigurni koga i kada priključiti na respirator, ističe Barber. Naša dnevna kretanja diktirale su nepouzdane projekcije o tome ko će se zaraziti i umrijeti, te koliko će još ljudi umrijeti ako se ne samoizolujemo.

 

Eksperiment s lijekovima i vještačkom inteligencijom

 

Dok sređujemo dokaze, vještačka inteligencija je korak iza nas. Pa ipak, još uvijek zamišljamo da može predviđati bolje od nas.

Uzmimo razvoj lijekova. Jedan od najpoznatijih eksperimenata s vještačkom inteligencijom proveo je Google-ov Deepmind. Njegov sistem Alfa Ford je vodeći u modelovanju proteina, predviđanju oblika sićušnih struktura koje čine virus. U laboratoriji tumačenje tih struktura može potrajati mjesecima.

Deepmind je u martu objavio šeme za šest virusnih proteina i to u roku od nekoliko dana. Modeli su bili približni, upozorili su istraživači, stvoreni kroz eksperimentalni sistem. Ali, ova je vijest ostavila utisak da se vještačka inteligencija uključila u trku za vakcinom.

Među naučnicima koji rade na vakcini, međutim, ovaj je pokušaj naišao na sleganje ramenima, nastavlja Barber.

„Trenutno ne vidim neku veliku ulogu vještačke inteligencije“, kaže Julia Sšaletcki, iskusna naučnica koja radi na istraživanju lijekova, upravnica Univerziteta Kalifornije u Berkliju za nadolazeće i zanemarene bolesti.

Mnogo je definisanih proteinskih meta potvrđeno u laboratoriji bez pomoći vještačke inteligencije. Bilo bi rizično trošiti dragocjeno vrijeme i novac i započeti od nule. Tehnološki napredak je dobar, smatra ova naučnica, ali često se do njega dolazi nauštrb nečega što je poznato i obećavajuće.

Ona ipak kaže da postoji potencijal u korišćenju vještačke inteligencije kako bi se pronašao lek.

„Algoritmi mogu nadomjestiti druge tehnike pronalaženja podataka koje će nam pomoći da se snađemo u informacijama koje već imamo. Na primer, kako bismo uočili ohrabrujuća područja istraživanja ili starije tretmane koji imaju potencijal. Jedan lek identifikovan na ovaj način, baricitinib, uskoro će krenuti u klinička ispitivanja“.

 

Može li pružiti uvid u to kako koronavirus napada telo?

 

Druga je nada da vještačka inteligencija može pružiti uvid u to kako kovid-19 napada telo. Algoritam bi mogao kopati po podacima o pacijentima i odrediti ko je u većem riziku od umiranja i ko ima veće izglede za preživljavanje, te tako nagađanja pretvoriti u planove liječenja.

Ipak, sve je stvar podataka, nastavlja Barber za „Wired“, koje smo podatke već prikupili i jesmo li ih organizovali na način koji je koristan mašinama. Naš zdravstveni sistem ne daje dovoljno informacija kako bi se ovakvi sistemi koristili. Propisi o privatnosti i međusobno razdvojene grupe podataka izazvaće problem i prije nego što to postanu zastarele zdravstvene baze podataka, prepune grešaka.

Moguće je da će kriza to promjeniti. Možda će nas natjerati da preispitamo kako se podaci čuvaju i dijele, piše Barber. Možda ćemo nastaviti da proučavamo ovaj virus čak i nakon što haos nestane i pažnja popusti, što bi nam moglo omogućiti bolje podatke i bolju vještačku inteligenciju kad se pojavi sljedeća pandemija.

Zasad se ipak ne trebamo čuditi što nas vještačka inteligencija nije spasila od ove pandemije, zaključuje „Wired“.

(Wired)

 

Dopadaju vam se tekstovi na IT-mixer.com? Podržite nas putem društvenih mreža na linkovima ispod. Lajkujte našu stranicu na Facebooku, budite informisani u svakom momentu.