Tehnike umjetne inteligencije, naročito njena sposobnost prepoznavanja uzoraka u velikim količinama podataka mogu biti od velike koristi u medicini, od u radiologije do onkologije. AI uspoređuje informacije s naučenim primjerima, donosi zaključke i izvodi ekstrapolacije. Istraživači Sveučilišta Ludwiga Maximiliana u Münchenu (LMU) i njihovi kolege s Cambridgea otišli su korak dalje i istražili potencijal relativno nove grane umjetne inteligencije u dijagnostici i terapijama.

Učinkovito i sigurnije

Oni su naime otkrili da uzročno zaključivanje, odnosno kauzalno strojno učenje (causal machine learning) može procijeniti ishode liječenja bolje od metoda strojnog učenja koje se danas koriste.

Nalazi objavljeni u časopisu Nature Medicine pokazuju kako uzročno zaključivanje može poboljšati učinkovitost i sigurnost raznih medicinskih tretmana, olakšati  personalizaciju liječenja i poboljšati zdravlje pacijenata.

Razvoj alata

Klasično strojno učenje prepoznaje obrasce i otkriva korelacije. Međutim, načelo uzroka i posljedice strojevima u pravilu ostaje nedokučivo; oni jednostavno ne mogu odgovoriti na pitanje "zašto". 

Razvoj takvih alata učenja pomogao bi liječnicima u donošenju odluka, ali ova vrsta strojnog učenja daleko je složenija od procjene personaliziranog rizika, upozoravaju istraživači.

Kauzalna struktura

Metodama klasičnog strojnog učenja može se predvidjeti koliko je vjerojatno da će određeni pacijent s nizom faktora rizika razviti bolest. Uz pomoć uzročnog zaključivanja mogao bi se procijeniti i učinak uzroka, odnosno bi li najčešće propisivani lijek bio i najbolji tretman ili bi bolje rezultate ipak dao neki drugi način liječenja. No, da bi mogli procijeniti učinak hipotetskog tretmana, AI modeli moraju naučiti odgovoriti na pitanja koja počinju sa "što ako?" 

"Mi stroju dajemo pravila za prepoznavanje kauzalne strukture i ispravno formaliziranje problema, a on tada mora naučiti prepoznati učinke intervencija i razumjeti kako se posljedice iz stvarnog života odražavaju u podacima unesenim u računala", objašnjavaju istraživači.

Hipoteze i planovi

Moguće ishode liječenja strojevi bi, nadaju se istraživači, mogli procijeniti iz dostupnih podataka o pacijentima i formirati hipoteze za moguće planove liječenja čak i u situacijama za koje pouzdani standardi liječenja još ne postoje ili gdje randomizirane studije nisu moguće iz etičkih razloga.

"Zasad ne postoji gotov softver koji bi se tako mogao primijeniti u medicini, ali bi se mogao napraviti složenim modeliranjem problema i bliskom suradnjom stručnjaka za umjetnu inteligenciju i liječnika", kažu istraživači koji podsjećaju da se uzročno zaključivanje već godinama testira u nekim drugim područjima, poput marketinga.

U novije vrijeme ova je tehnologija ušla i u medicinu, a sposobnost ovog alata ispitat će se u pripremi transplantacije organa i liječenju kardiovaskularnih bolesti.