Nowości

Nowe algorytmy mogą zmniejszyć różnice rasowe w opiece zdrowotnej

Badacze próbują ulepszyć opiekę zdrowotną dzięki sztucznej inteligencji, zwykle poddaje swoje algorytmy formie szkoły medycyny maszynowej. Oprogramowanie uczy się od lekarzy, przetrawiając tysiące lub miliony promieni rentgenowskich lub innych danych oznaczonych przez ekspertów, aż może dokładnie oznaczyć podejrzane pieprzyki lub płuca, które same wykazują oznaki Covid-19.

W badaniu opublikowanym w tym miesiącu przyjęto inne podejście – uczono algorytmów odczytywania zdjęć rentgenowskich kolana pod kątem zapalenia stawów, wykorzystując pacjentów jako arbitrów prawdy AI zamiast lekarzy. Wyniki ujawniły, że radiolodzy mogą mieć dosłownie martwe pole, jeśli chodzi o odczytywanie zdjęć rentgenowskich pacjentów rasy czarnej.

Algorytmy wyszkolone na raportach pacjentów spisały się lepiej niż lekarze w wyjaśnianiu bólu doświadczanego przez czarnoskórych pacjentów, najwyraźniej poprzez wykrywanie wzorców choroby na obrazach, które ludzie zwykle przeoczają.

„Jest to sygnał dla radiologów i innych lekarzy, że być może będziemy musieli zrewidować nasze obecne strategie” – mówi Said Ibrahim, profesor Weill Cornell Medicine w Nowym Jorku, który bada nierówności zdrowotne i nie brał udziału w badaniu.

Algorytmy zaprojektowane w celu ujawnienia tego, czego lekarze nie widzą, zamiast naśladowania ich wiedzy, mogą uczynić opiekę zdrowotną bardziej sprawiedliwą. W komentarzu do nowego badania Ibrahim zasugerował, że może to pomóc zmniejszyć dysproporcje w tym, kto ma operację z powodu zapalenia stawów. Mówi, że pacjenci z Afroamerykanami są o około 40 procent mniej narażeni na wymianę stawu kolanowego, mimo że są co najmniej tak samo narażeni na chorobę zwyrodnieniową stawów. Różnice w dochodach i ubezpieczeniach prawdopodobnie odgrywają pewną rolę, ale tak samo mogą być różnice w diagnozie.

Ziad Obermeyer, autor badania i profesor w Szkole Zdrowia Publicznego Uniwersytetu Kalifornijskiego w Berkeley, zainspirował się do wykorzystania sztucznej inteligencji do zbadania tego, czego radiologowie nie widzą w zagadkach medycznych. Dane z długotrwałego badania National Institutes of Health nad chorobą zwyrodnieniową stawu kolanowego wykazały, że pacjenci rasy czarnej i osoby o niższych dochodach zgłaszali więcej bólu niż inni pacjenci, u których radiologowie uzyskali podobny wynik. Różnice mogą wynikać z czynników fizycznych nieznanych osobom posiadającym wiedzę o kolanie lub różnic psychologicznych i społecznych – ale jak je rozdzielić?

Obermeyer wraz z badaczami ze Stanford, Harvard i University of Chicago stworzyli oprogramowanie do przetwarzania obrazu, korzystając z danych NIH, aby zbadać, czego może brakować ludzkim lekarzom. Zaprogramowali algorytmy do przewidywania poziomu bólu pacjenta na podstawie prześwietlenia rentgenowskiego. Na dziesiątkach tysięcy obrazów oprogramowanie odkryło wzory pikseli, które korelują z bólem.

Po wykonaniu prześwietlenia, którego wcześniej nie widziało, oprogramowanie wykorzystuje te wzorce do przewidywania bólu, którego doświadcza pacjent. Te przewidywania były ściślej skorelowane z bólem pacjentów niż wyniki przypisane przez radiologów do prześwietlenia kolana, zwłaszcza u pacjentów rasy czarnej. To sugeruje, że algorytmy nauczyły się wykrywać dowody choroby, których radiolodzy nie potrafili. „Algorytm widział rzeczy wykraczające poza to, co widzieli radiolodzy – rzeczy, które są częstszą przyczyną bólu u pacjentów rasy czarnej” – mówi Obermeyer.

obraz artykułu

Przewodnik WIRED po sztucznej inteligencji

Inteligentne algorytmy nie podejmą wszystkich zadań, ale uczą się szybciej niż kiedykolwiek, robiąc wszystko, od diagnostyki medycznej po wyświetlanie reklam.

Historia może wyjaśnić, dlaczego radiolodzy nie są tak biegli w ocenie bólu kolana u pacjentów rasy czarnej. Standardowa klasyfikacja stosowana dzisiaj powstała w małym badaniu z 1957 roku w mieście młyńskim w północnej Anglii o mniej zróżnicowanej populacji niż współczesne USA. Lekarze wykorzystali to, co widzieli, do opracowania sposobu oceny ciężkości choroby zwyrodnieniowej stawów na podstawie obserwacji, takich jak zwężenie chrząstki. Sprzęt rentgenowski, styl życia i wiele innych czynników od tego czasu bardzo się zmieniło. „Nic dziwnego, że nie udaje się to uchwycić tego, co lekarze widzą dzisiaj w klinice” – mówi Obermeyer.

Badanie wyróżnia się nie tylko tym, że pokazuje, co się dzieje, gdy sztuczna inteligencja jest szkolona na podstawie opinii pacjentów, a nie opinii ekspertów, ale także dlatego, że algorytmy medyczne są częściej postrzegane jako przyczyna uprzedzeń, a nie lekarstwo. W 2019 roku Obermeyer i współpracownicy wykazali, że algorytm kierujący opieką nad milionami pacjentów w USA dawał białym ludziom pierwszeństwo przed Czarnymi w zakresie pomocy w złożonych stanach, takich jak cukrzyca.

Zostaw komentarz

Maciek Luboński
Z wykształcenia jestem kucharzem , ale to nie przeszkadza mi pisać dla Was tekstów z wielu ciekawych dziedzin , których sam jestem fanem.Piszę dużo i często nie na tak jak trzeba , ale co z tego skoro tak naprawdę liczy się pasja.

Najlepsze recenzje

Video

gallery

Facebook