Hírek

« vissza « előző hír | következő hír »

Bár neves AI szakértők már lassan egy évtizede a radiológusok feleslegessé válását vizionálták, az orvosszakmát ma sokkal inkább fenyegeti a létszámhiány, mint a mesterséges intelligencia, mondja a technológiai magyarországi alkalmazásában fontos szerepet játszó prof. dr. Bogner Péter radiológus. A Pécsi Tudományegyetem egyetemi tanárával az AI képalkotó diagnosztikában betöltött szerepéről és annak korlátairól beszélgettünk a radiológia nemzetközi napja alkalmából.

Stemler Miklós írása

A mesterséges intelligencia (AI) keresztapjaként emlegetett Nobel-díjas  Geoffrey Hinton 2016-ban jelentette ki, hogy az új technológiának köszönhetően feleslegessé válik a radiológus szakorvosok képzése, hiszen öt éven belül a mesterséges intelligencia az embereknél magasabb szinten végzi majd a képalkotó diagnosztikát. Az öt év rég eltelt, ám a munkanélküli radiológusok helyett világszerte munkaerőhiány tapasztalható a szakterületen, amit az AI alapú fejlesztések, megoldások csak részben képesek orvosolni.

– A hallgatóimnak egy három fotóból álló mémet szoktam mutatni. Az első képkockán Elon Musk 2015-ös jóslata olvasható, miszerint 2018-ra teljes egészében önvezető autókat fog gyártani. A másodikon Geoffrey Hinton 2016-os kijelentése a radiológusok eltűnéséről, majd a harmadikon mostani dátumozással egy forgalmi dugó; ez a reggelente önvezető autók híján munkába induló radiológusokat ábrázolja – ad érzékletes képet Bogner Péter a nagynevű emberek által tett jóslatok beválásáról.

A Pécsi Tudományegyetem Klinikai Központ Orvosi Képalkotó Klinikájának korábbi igazgatóját, egyben a Magyar Radiológusok Társaságának vezetőségi tagját pedig nehezen lehetne AI ellenes elfogultsággal vádolni, hiszen kulcsszerepet játszott a magyarországi stroke diagnosztika és kezelés AI alapú megreformálásában. A professzor és kollégái által 2018-ban kifejlesztett módszer a teleradiológia előnyeit ötvözte a mesterséges intelligencia által támogatott diagnosztikával.

– A stroke egyike azoknak a betegségeknek, ahol az AI nagy hatékonysággal alkalmazható. Ahhoz, hogy a beteg a lehető leghamarabb a megfelelő kezelésben részesülhessen, elengedhetetlen egy koponya CT vizsgálat, amely révén meg lehet határozni az érintett agyterületet, és hogy van-e lehetőség az érelzáródás katéteres megszüntetésére. Itt kerül a képbe az óriási számú CT felvételen kiképzett mesterséges intelligencia algoritmus, ami villámgyorsan és nagy megbízhatósággal képes erre – magyarázza.

Mindehhez azonban hozzá is kell férni a technológiához, ami komoly anyagi és emberi erőforrás igényekkel jár, főleg magyar viszonylatban. A pécsi Idegsebészeti Klinika, Neurológiai Klinika, Orvosi Képalkotó Klinika, illetve a Pécsi Diagnosztikai Központ által kidolgozott megoldás egy az egész dél-dunántúli régiót lefedő AI alapú diagnosztikai hálózat lett, majd a nemzetközi szinten is egyedülálló kezdeményezés 2022-ben országos szintűvé bővült az akkori Országos Mentális, Ideggyógyászati és Idegsebészeti Intézet révén. Mindez igazi sikersztori, ami azonban az AI által támogatott diagnosztika erősségei mellett annak korlátaira is rámutat.

– A mesterséges intelligencia kifejezetten jól teljesít bizonyos kórképek, mint például a stroke, tüdőrák, tüdőembólia, csonttörések esetén, valamint a mammográfiai vizsgálatok terén, ám nagy, átfogó leletek készítésére már nem alkalmas. Egy koponya MR esetén számos szempontot kell mérlegelni, míg az AI révén csupán egy-egy kérdésre kaphatunk választ. Mindennek ráadásul komoly ára van, hiszen a különböző kórképek felismerésére többnyire különböző programokra van szükség, amelyeket borsos áron lehet beszerezni. Mindez a gazdagabb országok egészségügyi rendszerei számára is jelentős megterhelést jelent, és komolyan gátolja a technológia terjedését; egyre többen mondják azt, hogy egyszerűen nem éri meg az AI használata a napi munkában – érzékelteti a gyakorlati problémákat a szakértő.

A nehézségeket jól mutatja, hogy a világ legnagyobb egészségipari vállalatai közé tartozó Bayer szeptemberben jelentette be a különböző AI diagnosztikai megoldásokat integráló radiológiai platformjának megszüntetését. A nagy nyelvi modellek mintájára, ahol a ChatGPT és társai már a teljes emberi tudást – vagy legalábbis annak illúzióját – nyújtják, az egyik lehetséges megoldás egy univerzális, óriási számú orvosi képalkotó felvételen kiképzett „gondolkodó” modell lehetne, ám ez jelen pillanatban nehezen tűnik megvalósíthatónak.

– A nagy nyelvi modelleken alapuló rendszerek elképesztő erőforrásokat igényelnek, pedig ezek „csak” betűk, szavak és mondatok elemzését végzik, nem pedig jóval bonyolultabb radiológiai felvételekét. Miután a jelenlegi generatív modellek esetében is egyre komolyabb nehézségeket jelent a számítási teljesítmény, illetve az ahhoz szükséges energiaszükséglet kielégítése, nem igazán látom, hogy hogyan lehetne mindezt megvalósítani. Emellett itt is előfordulhatnak olyan torzítások, amelyek a mai napig állandó problémát jelentenek a chatbotoknál is, hiszen nagyon nem mindegy, hogy a világ melyik részéről származó felvételeken képzik ki a modelleket. A különböző populációk esetén sokszor különböző kórképek a jellemzőek, például egy Kínában fejlesztett program nem biztos, hogy használható Európában, és fordítva. És akkor még nem is beszéltünk azokról a ritka betegségekről, ahol a betanításhoz szükséges kellő mennyiségű felvétel összeszedése is komoly problémát jelent – sorolja a megoldandó feladatokat Bogner Péter.

Emellett bár az egyes részfeladatok terén a mesterséges intelligencia jobban teljesíthet a radiológusoknál, a mai napig hajlamos érthetetlen és akár szó szerint életveszélyes hibákat elkövetni.

– Egy előadásra készülve a kutyánk fotóján teszteltem képfelismerő algoritmusokat, amik százalékosan rangsorolták, hogy milyen fajtába tartozó kutya látható a képen. Egy bichonról volt szó, és bár ez mindig az első három találat között szerepelt, sok esetben nem ez a fajta „nyert”. Arra kétségkívül jó volt ez a kísérlet, hogy sok új kutyafajtát ismerhettem meg, de egy CT vagy MR felvétel nem „kutyaegyszerűségű”. Ráadásul nem önmagában áll: tartozik hozzá egy beutaló, és a betegnek van egy kórtörténete, amikkel a radiológusnak együtt kell elemeznie a látottakat. Erre nem elegendő egy egyszerű képfelismerő program, és bár természetesen vannak próbálkozások a diagnózishoz vezető komplex értelmezői és döntéshozási folyamat leprogramozására, egyelőre nem látni a robbanáspontot – értékel Bogner Péter.

Radiológusokra tehát a belátható jövőben is szükség lesz, mégpedig a jelenleginél is többre, hiszen az elmúlt évek során világszerte drasztikusan megnőtt a képalkotó – elsősorban CT – vizsgálatok száma, miután ezek a diagnózison túl egyre fontosabb szerepet játszanak a terápiák nyomon követésében is. Az ennek következtében kialakult komoly létszámhiány, illetve túlterhelés orvoslásában a mesterséges intelligencia is szerepet játszhat.

– A radiológiai leleteket például AI alapú beszédfelismerő programmal készítjük, és a nagy nyelvi modellek már képesek strukturált formába önteni a szabad szavas kiértékelést. Léteznek már olyan megoldások, amelyek előrejelzik egy kritikus komponens meghibásodását a CT és MR készülékekben, amiket így üzemkiesés nélkül lehet cserélni, és az elmúlt évek fontos fejlesztései közé tartoznak az MR felvételek jellemzően hosszú elkészítési idejét lerövidítő algoritmusok is. Ezek nagy segítséget jelentenek a mindennapi munkánk során, de nem tudják és nem is fogják kiváltani a radiológusokat – összegez Bogner Péter.

Mindezt most már hasonlóan látja a 2024-es fizikai Nobel-díjat elnyerő Geoffrey Hinton is: idén májusban a radiológusok eltűnése helyett a munkájukat kiegészítő, azt hatékonyabbá és pontosabbá tévő AI megoldásokról beszélt. Ezzel a jövőképpel kétségkívül mind a betegek, mind az orvosok sokat nyernének, már amennyiben megvalósul.

Fotók:

Verébi Dávid (PTE ÁOK), Csortos Szabolcs (UnivPécs)