Στην εποχή μας είναι δεδομένο πως βρίσκεις πιο εύκολα μεταχειρισμένο αυτοκίνητο παρά ένα γιατρό εκτάκτου ανάγκης… Συνεπώς δεν προκαλεί έκπληξη το γεγονός ότι οι άνθρωποι απευθύνονται στην Google για να διερευνήσουν τι τους ταλαιπωρεί. Να είστε δύσπιστοι με όποιον ισχυρίζεται ότι δεν το έχει δοκιμάσει. Προσωπικά αν και μεγάλωσα από επιστήμονες και διάβαζα τακτικά ιατρικά περιοδικά από περιέργεια, τους τελευταίους μήνες μπήκα στο Διαδίκτυο για να ερευνήσω τα αίτια του παρατεταμένου βήχα, να ρωτήσω πώς να απαλλαγώ από τον πόνο στον καρπό και να αναζητήσω τρόπους για να αντιμετωπίσω ένα κακό τσίμπημα μέδουσας. (Όχι, δεν ζητάτε από κάποιον να ουρήσει πάνω του.) Η ενασχόληση με την αυτοδιάγνωση γίνεται πιο ισχυρή τώρα που οι άνθρωποι μπορούν να πάνε σε chatbot που υποστηρίζονται από μεγάλα γλωσσικά μοντέλα που σαρώνουν βουνά ιατρικής βιβλιογραφίας για να δώσουν απαντήσεις με απλό και κατανοητό τρόπο. Τι μπορεί να σημαίνει ένας αυξημένος δείκτης φλεγμονής σε μια εξέταση αίματος σε συνδυασμό με πόνο στην αριστερή φτέρνα σας; Τα chatbot AI έχουν μερικές ιδέες και όχι άδικα αφού τροφοδοτούνται με τις σωστές πληροφορίες.
Ο κίνδυνος είναι ότι οι άνθρωποι μπορεί να βασίζονται υπερβολικά σε αυτά τα εργαλεία, να τα εμπιστεύονται περισσότερο από επαγγελματίες υγείας, και ότι οι γνώστες της τεχνολογίας θα κατασκευάσουν ιατρικά στοιχεία που παραπλανούν τους ανθρώπους, ας πούμε σχετικά με την ασφάλεια των εμβολίων ή τα οφέλη ψευδών θεραπειών. Ένα ερώτημα που διαφαίνεται για το μέλλον της ιατρικής είναι πώς να αξιοποιήσουμε το καλύτερο από αυτά που μπορεί να μας προσφέρει η τεχνητή νοημοσύνη χωρίς τα χειρότερα.
Ένα ουσιαστικό ζήτημα είναι η διάγνωση σπάνιων ασθενειών – οι οποίες ταλαιπωρούν περίπου 30 εκατομμύρια Αμερικανούς και εκατοντάδες εκατομμύρια ανθρώπους σε όλο τον κόσμο. Σύμφωνα με έρευνες η τεχνητή νοημοσύνη θα μπορούσε σίγουρα να βελτιώσει τα πράγματα και να βοηθήσει σε μεγάλο βαθμό την ανθρωπότητα.
«Οι γιατροί είναι πολύ καλοί στο να ασχολούνται με τα κοινά πράγματα», λέει ο Isaac Kohane, πρόεδρος του τμήματος βιοϊατρικής πληροφορικής στην Ιατρική Σχολή του Χάρβαρντ. «Αλλά υπάρχουν κυριολεκτικά χιλιάδες ασθένειες που οι περισσότεροι κλινικοί γιατροί δεν θα έχουν δει ποτέ ή ακόμα και δεν θα έχουν ακούσει ποτέ». Οι ασθενείς με σπάνιες ασθένειες συχνά υπομένουν χρόνια προσπαθώντας να καταλάβουν τι τους συμβαίνει. Ακόμη και οι καλοί γιατροί κάνουν λάθος διαγνώσεις όπου οι πραγματικές απαντήσεις κρύβονται σε κοινή θέα.
Οι γονείς παιδιών με ασθένειες που είναι δύσκολο να διαγνωστούν συχνά περιγράφουν ότι αισθάνονται αγανακτισμένοι από επαγγελματίες γιατρούς που δεν παίρνουν σοβαρά τις ανησυχίες τους. Αυτό συνέβη στην Kate McCrann, την οποία συνάντησα τον περασμένο μήνα σε ένα συνέδριο έρευνας για σπάνιες ασθένειες. Παρόλο που η McCrann ήταν γιατρός στο τελευταίο έτος της υποτροφίας της στο Γέιλ όταν συνειδητοποίησε ότι το νεογέννητο της, η Τες, δεν αναπτυσσόταν φυσιολογικά, ένας παιδίατρος της είπε ότι δεν ανησυχούσε για τίποτα. Μόλις χρόνια αργότερα η McCrann και ο σύζυγός της, Bo Bigelow, έμαθαν ότι η Tess είχε μια σπάνια ασθένεια που ονομάζεται σύνδρομο Hao-Fountain, που προκαλείται από μια γενετική μετάλλαξη.
Κατά τη διάρκεια των πρώτων τεσσάρων ετών της ζωής της Tess, η ασθένειά της δεν είχε ακόμη κατονομαστεί ή ταυτοποιηθεί, με αποτέλεσμα οι γονείς της να πιστεύουν ότι είχαν φτάσει σε αδιέξοδο, ακόμη και αφού ανακάλυψαν ότι η Tess είχε μια ασυνήθιστη μετάλλαξη του γονιδίου USP7. Μια ανάρτηση στα μέσα κοινωνικής δικτύωσης το 2015, όταν η Τες ήταν 5 ετών, τους οδήγησε σε έναν ερευνητή που μελετούσε τη μετάλλαξη. Στη συνέχεια έμαθαν για άλλους επτά ασθενείς όπως η Tess, και το 2017, δημιούργησαν ένα ίδρυμα που έκτοτε έχει συνδέσει περισσότερους από 200 παρόμοιους ασθενείς. Αυτό τους έδωσε ελπίδα… Είναι σχεδόν αδύνατο να πειστούν οι ερευνητές να αναζητήσουν θεραπείες χωρίς μια ομάδα ασθενών (ικανή σε αριθμό) για κλινικές δοκιμές.
Πιο πρόσφατα, δίκτυα που συνδέουν ιατρικές βάσεις δεδομένων βοηθούν ασθενείς με τις ίδιες σπάνιες γονιδιακές μεταλλάξεις να βρουν ο ένας τον άλλον – και βοηθούν τους ερευνητές να μελετήσουν τις γενετικές τους ασθένειες. Αλλά μια μέρα σύντομα, η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στη σύνδεση ασθενών με παρόμοιες παθήσεις ακόμη πιο εύκολα, χωρίς να γνωρίζουμε εκ των προτέρων τα γονίδια που προκαλούν τις ασθένειές τους. Ένα νέο εργαλείο που δημιουργήθηκε χρησιμοποιώντας νευρωνικά δίκτυα (όχι μεγάλα γλωσσικά μοντέλα), για παράδειγμα, έδειξε πώς η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στη διάγνωση και στη συγκέντρωση παρόμοιων ασθενών.
Το πρόβλημα με το να βασιζόμαστε στην τεχνητή νοημοσύνη για να βοηθήσουμε στη διάγνωση ασθενειών τώρα είναι ότι δεν γνωρίζουμε ακόμη πόσο μπορούμε να το εμπιστευτούμε. Επειδή τα βασικά μοντέλα τεχνητής νοημοσύνης που απευθύνονται στους καταναλωτές είναι κατασκευασμένα με σύνολα δεδομένων που αποκρύπτονται από το κοινό, δεν γνωρίζουμε πόσο λοξή μπορεί να είναι η ιατρική βιβλιογραφία που στηρίζει τις απαντήσεις από τα chatbot τους. Εάν, για παράδειγμα, ένα μεγάλο γλωσσικό μοντέλο εκπαιδεύτηκε χρησιμοποιώντας μελέτες πληθυσμών συγκεκριμένων χωρών, θα μπορούσε να προσφέρει ιατρικές συμβουλές που δεν είναι τόσο σχετικές με άλλους πληθυσμούς.
Μια βασική λύση είναι οι κυβερνήσεις να απαιτούν τη γνωστοποίηση των πηγών δεδομένων που χρησιμοποιούνται για την εκπαίδευση των εμπορικών chatbot που χρησιμοποιούμε για ιατρικές συμβουλές — και, εν τω μεταξύ, οι άνθρωποι να μην χρησιμοποιούν εκείνα που δεν αποκαλύπτουν λεπτομέρειες σχετικά με τα δεδομένα υγείας τους. Και κάθε σύστημα τεχνητής νοημοσύνης που χρησιμοποιεί αρχεία υγείας ασθενών – όχι μόνο τα αποτελέσματα των μελετών – θα πρέπει να υπόκειται σε κυβερνητικούς κανονισμούς παγκοσμίως για την προστασία του απορρήτου.
Πέρα από την κυβέρνηση, θα χρειαστούν ανεξάρτητοι ερευνητές για να ελέγξουν τις ιατρικές συμβουλές που δίνουν τα μοντέλα τεχνητής νοημοσύνης. Επιπλέον θα χρειαστούν εξειδικευμένα ιατρικά συμβούλια για να πιστοποιήσουν τα πιο αξιόπιστα – ώστε οι άνθρωποι να γνωρίζουν αν μπορούν να τα εμπιστευτούν.
Τόσες πολλές εφαρμογές της τεχνητής νοημοσύνης στην υγειονομική περίθαλψη σήμερα μειώνουν το κόστος για τα νοσοκομεία ή εξοικονομούν χρόνο των γιατρών, αλλά προσφέρουν αμφισβητήσιμα οφέλη στους ασθενείς. Τα εργαλεία τεχνητής νοημοσύνης που πραγματικά βοηθούν τους ασθενείς θα μπορούσαν να είναι ένα αναζωογονητικό αντίβαρο — αρκεί να συνοδεύονται από μια υγιή δόση προφύλαξης. Η πρόληψη ενός ουτοπικού μέλλοντος εξαρτάται από τη διάκριση για το πώς και πότε χρησιμοποιούμε την τεχνητή νοημοσύνη. Τελικά δε θα πρέπει να ξεχνάμε ότι αυτό που χρειάζονται περισσότερο οι άνθρωποι όταν είναι άρρωστοι είναι η συμπόνια, το ενδιαφέρον και η φροντίδα.
ΠΗΓΗ: washingtonpost.com / Aπόδοση: M.E
