W ostatnich latach sztuczna inteligencja (AI) przeżywa niezwykły rozwój, napędzany przez innowacyjne modele podstawowe, takie jak seria GPT-n opracowana przez OpenAI, oraz pochodne modele językowe, jak ChatGPT. Te technologie znalazły szerokie zastosowanie w różnych dziedzinach, w tym również w naukach medycznych. Ogromny postęp w medycznej AI można zaobserwować na przykładzie MedPaLM, medycznego modelu językowego opracowanego przez Google. MedPaLM z powodzeniem osiągnął precyzję na poziomie eksperckim w rozwiązywaniu egzaminu U.S. Medical Licensing Examination.
Modele AI, takie jak MedPaLM, a także szeroko stosowane modele językowe (LLMs), odkrywają nowe możliwości w diagnozowaniu i edukacji medycznej. Publikacje naukowe, w tym artykuły z „Springer Nature” oraz „New England Journal of Medicine”, jasno pokazują potencjał sztucznej inteligencji w rozwijaniu narzędzi wspierających pracę lekarzy. Co więcej, inicjatywy globalne dotyczące udostępniania danych obrazowych, jak i działania legislacyjne organizacji takich jak FDA w USA, wskazują na kierunek dynamicznego rozwoju tej technologii. Postępy w AI mają potencjał nie tylko poprawić dokładność diagnostyczną, ale także wesprzeć personel medyczny na całym świecie, zwiększając efektywność leczenia.
Jednakże, jak każda rozwijająca się technologia, medyczna sztuczna inteligencja stawia przed nami liczne wyzwania. Zagadnienia te zostały dogłębnie przeanalizowane w przeglądzie prowadzonym przez profesora Io Nama Wonga z Instytutu AI w Medycynie przy Uniwersytecie Nauki i Technologii w Makau. Wspólnie z zespołem badaczy, w tym Olivią Monteiro, Zhuo Sun oraz Sheng Nie, opracowali szczegółową analizę możliwości modeli AI w zastosowaniach medycznych. Wyniki badań, opublikowane na łamach „Chinese Medical Journal” w listopadzie 2024, zaproponowały nową klasyfikację modeli medycznej AI na trzy kategorie: modele dedykowane konkretnym chorobom, modele ogólne oraz modele wielomodalne.
Modele dedykowane chorobom, takie jak RetFound do diagnostyki chorób oczu, Neuro-Oph GPT do neuro-oftalmologii czy Virchow do wykrywania nowotworów, są wysoce wyspecjalizowane i dostosowane do konkretnych schorzeń. W porównaniu z nimi, modele ogólnego zastosowania, chociażby MedPaLM czy ChatGPT, oferują większą elastyczność, rozwiązując problemy ponad jedną dziedzinę. Natomiast modele wielomodalne, takie jak OpenMEDLab czy PathChat, łączą różne rodzaje danych (wizualne, tekstowe) w procesie analizy, co czyni je szczególnie innowacyjnymi, jeżeli chodzi o zrozumienie i integrację wielowymiarowych informacji medycznych.
Pomimo imponujących osiągnięć, wyzwania takie jak potrzeba dużych zbiorów danych, problemy z ich oznaczeniem, fuzja danych wielomodalnych, uprzedzenia w wynikach oraz ochrona prywatności wciąż stoją na drodze do pełnego wykorzystania potencjału AI w medycynie. Profesor Wong podkreślił znaczenie stworzenia środowiska pozwalającego na bezpieczne i swobodne udostępnianie danych, wspieranego solidnym wsparciem regulacyjnym. Kluczowe jest opracowanie systemów, które będą jednocześnie chronić prywatność pacjentów i umożliwiać efektywną analizę danych na dużą skalę.
Perspektywy rozwoju obejmują dalsze doskonalenie algorytmów i standaryzację protokołów oceny efektywności modeli. Ścisła współpraca między badaczami, pracownikami służby zdrowia oraz organami regulacyjnymi będzie absolutnie niezbędna, aby medyczna AI mogła znaleźć zastosowanie w codziennej praktyce klinicznej.
Profesor Wong podsumował, że modele AI mają potencjał, by zrewolucjonizować opiekę zdrowotną – od ulepszonej diagnostyki, przez dostosowanie terapii do potrzeb pacjenta, aż po poprawę efektów leczenia. Niemniej jednak, aby w pełni wykorzystać ich możliwości, konieczne są ciągłe badania, innowacje oraz dokładne uwzględnienie kwestii etycznych. Tylko takie podejście zapewni efektywną implementację tej technologii w praktyce medycznej.
Postęp w dziedzinie sztucznej inteligencji w medycynie budzi ogromne nadzieje. Dalsze odkrycia i rozwój modeli AI mają szansę przyczynić się do lepszego diagnozowania oraz skutecznego leczenia pacjentów na całym świecie.
