AI може да чете по-прецизно рентгеновите снимки на коляното отколкото лекарите
(снимка: CC0 Public Domain)
В стремежа си да подобрят здравеопазването с изкуствен интелект, изследователите обикновено подлагат своите алгоритми на машинно обучение. Софтуерът се учи от лекарите, като „смила” хиляди или милиони рентгенови лъчи и други данни, обозначени от експерти, докато не започне сам да сигнализира за подозрителни бенки или бели дробове с признаци на Covid-19.
Изследване, за което съобщава Wired, възприема различен подход – обучение на алгоритмите за четене на рентгенови снимки на коляното за откриване на артрит, което използват пациентите като AI арбитри на истината вместо лекари. Резултатите показват, че рентгенолозите могат да имат буквално слепи петна, когато става въпрос за четене на рентгенови снимки на чернокожи пациенти.
Алгоритмите, обучени по показания на пациентите, вършат по-добра работа от лекарите при отчитане на болката, изпитвана от чернокожите пациенти – очевидно чрез откриване на модели на заболяване в изображенията, които хората обикновено пренебрегват.
„Това изпраща сигнал до рентгенолози и други лекари, че може да се наложи да преоценим настоящите си стратегии”, казва Саид Ибрахим, професор в Weill Cornell Medicine в Ню Йорк, който изследва неравенствата в здравеопазването, но не е участвал в изследването.
Алгоритмите, предназначени да разкрият това, което лекарите не виждат, вместо да имитират знанията им, биха могли да направят здравеопазването по-справедливо. В коментар на новото изследване Ибрахим предполага, че то може да помогне за намаляване на различията в това кой получава операция от артрит.
При афроамериканските пациенти е с около 40 процента по-малко вероятно да получат подмяна на коляното спрямо други пациенти, казва той, въпреки че има поне толкова голяма вероятност да страдат от остеоартрит. Разликите в доходите и осигуровките вероятно играят роля, но също така и разликите в диагнозата.
Зиад Обермайер, автор на изследването и професор в Университета по обществено здраве в Калифорнийския университет Бъркли, е вдъхновен да използва AI, за да изследва онова, което рентгенолозите не са виждали от медицинския пъзел. Данни от продължително проучване на Националния институт по здравеопазване (NIH) за остеоартрит на коляното показват, че чернокожите пациенти и хората с по-ниски доходи съобщават за повече болка, отколкото други пациенти, които рентгенолозите са оценили по същия начин с рентгеновите изследвания.
Разликите могат да произтичат от физически фактори, неизвестни на познанията за коляното, или от психологически и социални различия – но как да бъдат разграничени?
Обермайер и изследователи от Станфорд, Харвард и Чикагския университет са създали софтуер за компютърно зрение, използвайки данните на NIH, за да проучат какво пропускат лекарите. Те са програмирали алгоритми за предсказване на нивото на болка на пациента от рентгенова снимка. От над десетки хиляди изображения софтуерът открива модели на пиксели, които корелират с болката.
Когато му се даде рентгенова снимка, която не е виждал преди, софтуерът използва тези модели, за да предскаже болката, за която пациентът би съобщил, че изпитва. Тези прогнози корелират по-тясно с болката на пациентите, отколкото резултатите на рентгенолозите на база рентгеновите лъчи на коляното, особено за чернокожите пациенти. Това предполага, че алгоритмите са се научили да откриват доказателства за заболяване, което рентгенолозите не могат да видят.
„Алгоритъмът е виждал неща над това, което са виждали рентгенолозите – неща, които са по-често причини за болка при чернокожите пациенти”, казва Обермайер.
Историята може да обясни защо рентгенолозите не са толкова опитни в оценката на болката в коляното при чернокожи пациенти. Стандартното степенуване на болката, използвано днес, възниква от проучване през 1957 г. в мелничен град в Северна Англия с по-малко разнообразно население отколкото в съвременните САЩ. Лекарите степенуват тежестта на остеоартроза въз основа на това, което виждат – стеснния хрущял.
Оттогава обаче рентгеновото оборудване, начинът на живот и много други фактори са се променили много. „Не е изненадващо, че [стандартното степенуване] не успява да улови това, което лекарите виждат в клиниката днес”, казва Обермайер.
Новото изследване се отличава не само с това, че показва какво се случва, когато AI се обучава чрез обратна връзка от пациентите, вместо от експертни мнения, а и по това, че медицинските алгоритми по-често се разглеждат като причина за пристрастия, а не като лек. През 2019 г. Обермайер и сътрудници показаха, че алгоритъм, насочващ грижите за милиони пациенти в САЩ, дава на белите хора приоритет пред чернокожите за помощ при сложни състояния като диабет.
Но в проучването на Обермайер, показващо как алгоритмите могат да разкрият пристрастия, има уловка: нито той, нито алгоритмите могат да обяснят какво виждат алгоритмите в рентгеновите лъчи, които лекарите пропускат. Изследователите са използвали изкуствени невронни мрежи – технология, която е направила много AI приложения по-практични, но е толкова сложно да се направи обратен инженеринг, че експертите ги наричат „черни кутии”.
Джуди Гичоя, рентгенолог и асистент в Университета Емори, има за цел да разкрие какво знаят алгоритмите за коляното. Тя събира по-голяма, по-разнообразна колекция от рентгенови изследвания и други данни, за да тества ефективността на алгоритмите. Като изисква от рентгенолозите да си водят подробни бележки за рентгеновите лъчи и да сравняват това, което виждат, с изхода на алгоритмите за предсказване на болката, Гичоя се надява да разкрие, че няма нещо твърде чуждо на лекарите. „Може да е нещо, което виждаме, но по грешен начин”, казва тя.