AI може да чете по-прецизно рентгеновите снимки на коляното отколкото

AI може да чете по-прецизно рентгеновите фотоси на коляното в сравнение с лекарите
(снимка: CC0 Public Domain)

В устрема си да подобрят опазването на здравето с изкуствен интелект, откривателите нормално подлагат своите логаритми на машинно образование. Софтуерът се учи от лекарите, като „ смила ” хиляди или милиони рентгенови лъчи и други данни, обозначени от специалисти, до момента в който не стартира самичък да алармира за подозрителни бенки или бели дробове с признаци на Covid-19.

Изследване, за което оповестява, възприема друг метод – образование на логаритмите за четене на рентгенови фотоси на коляното за разкриване на артрит, което употребяват пациентите като AI арбитри на истината вместо лекари. Резултатите демонстрират, че рентгенолозите могат да имат безусловно слепи петна, когато става въпрос за четене на рентгенови фотоси на чернокожи пациенти.

Алгоритмите, подготвени по показания на пациентите, правят по-добра работа от лекарите при отчитане на болката, изпитвана от чернокожите пациенти – явно посредством разкриване на модели на заболяване в изображенията, които хората нормално подценяват.

„ Това изпраща сигнал до рентгенолози и други лекари, че може да се наложи да преоценим актуалните си тактики ”, споделя Саид Ибрахим, професор в Weill Cornell Medicine в Ню Йорк, който изследва неравенствата в опазването на здравето, само че не е взел участие в.

Алгоритмите, предопределени да разкрият това, което лекарите не виждат, вместо да имитират знанията им, биха могли да създадат опазването на здравето по-справедливо. В коментар на новото проучване Ибрахим допуска, че то може да помогне за понижаване на разликите в това кой получава интервенция от артрит.

При афроамериканските пациенти е с към 40 % по-малко евентуално да получат замяна на коляното по отношение на други пациенти, споделя той, макар че има най-малко толкоз огромна възможност да страдат от остеоартрит. Разликите в приходите и осигуровките евентуално играят роля, само че също по този начин и разликите в диагнозата.

Зиад Обермайер, създател на проучването и професор в Университета по публично здраве в Калифорнийския университет Бъркли, е въодушевен да употребява AI, с цел да изследва това, което рентгенолозите не са виждали от медицинския пъзел. Данни от дълготрайно изследване на Националния институт по опазване на здравето (NIH) за остеоартрит на коляното демонстрират, че чернокожите пациенти и хората с по-ниски приходи оповестяват за повече болежка, в сравнение с други пациенти, които рентгенолозите са оценили по същия метод с рентгеновите проучвания.
още по тематиката
Разликите могат да произтичат от физически фактори, незнайни на познанията за коляното, или от психически и обществени разлики – само че по какъв начин да бъдат разграничени?

Обермайер и откриватели от Станфорд, Харвард и Чикагския университет са основали програмен продукт за компютърно зрение, употребявайки данните на NIH, с цел да проучат какво пропущат лекарите. Те са програмирали логаритми за предсказание на равнището на болежка на пациента от рентгенова фотография. От над десетки хиляди изображения софтуерът открива модели на пиксели, които корелират с болката.

Когато му се даде рентгенова фотография, която не е виждал преди, софтуерът употребява тези модели, с цел да предскаже болката, за която пациентът би съобщил, че изпитва. Тези прогнози корелират по-тясно с болката на пациентите, в сравнение с резултатите на рентгенолозите на база рентгеновите лъчи на коляното, изключително за чернокожите пациенти. Това допуска, че логаритмите 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 аргументи за болежка при чернокожите пациенти ”, споделя Обермайер.

Историята може да изясни за какво рентгенолозите не са толкоз опитни в оценката на болката в коляното при чернокожи пациенти. Стандартното градуиране на болката, употребявано през днешния ден, поражда от изследване през 1957 година в мелничен град в Северна Англия с по-малко разнообразно население в сравнение с в актуалните Съединени американски щати. Лекарите степенуват тежестта на остеоартроза въз основа на това, което виждат – стеснния хрущял.

Оттогава обаче рентгеновото съоръжение, методът на живот и доста други фактори са се трансформирали доста. „ Не е изненадващо, че [стандартното степенуване] не съумява да улови това, което лекарите виждат в клиниката през днешния ден ”, споделя Обермайер.

Новото проучване се отличава освен с това, че демонстрира какво се случва, когато AI се образова посредством противоположна връзка от пациентите, вместо от експертни отзиви, а и по това, че медицинските логаритми по-често се преглеждат като причина за пристрастия, а не като лек. През 2019 година Обермайер и сътрудници демонстрираха, че логаритъм, насочващ грижите за милиони пациенти в Съединени американски щати, дава на белите хора приоритет пред чернокожите за помощ при комплицирани положения като диабет.

Но в изследването на Обермайер, показващо по какъв начин логаритмите могат да разкрият пристрастия, има измама: нито той, нито логаритмите могат да обяснят какво виждат логаритмите в рентгеновите лъчи, които лекарите пропущат. Изследователите са употребявали изкуствени невронни мрежи – технология, която е направила доста AI приложения по-практични, само че е толкоз комплицирано да се направи противоположен инженеринг, че специалистите ги назовават ​​„ черни кутии ”.

Джуди Гичоя, рентгенолог и помощник в Университета Емори, има за цел да разкрие какво знаят логаритмите за коляното. Тя събира по-голяма, по-разнообразна сбирка от рентгенови проучвания и други данни, с цел да тества успеваемостта на логаритмите. Като изисква от рентгенолозите да си водят подробни бележки за рентгеновите лъчи и да съпоставят това, което виждат, с изхода на логаритмите за предсказание на болката, Гичоя се надява да разкрие, че няма нещо прекомерно непознато на лекарите. „ Може да е нещо, което виждаме, само че по неверен метод ”, споделя тя.