Apie tai, ką ligoninės laboratorijoje už darbuotojus jau gali nuveikti dirbtinis intelektas, ir ar šioje srityje proveržio tikėtis turėtume jau greitai, kalba Gediminas Pekšys, radiologijos diagnostikos įrankį kuriančio startuolio vadovas.
– Vadovaujate startuoliui „Oxipit“ – tai įmonė, kurios pagrindinis veiklos įrankis yra dirbtinis intelektas. Trumpai papasakokite – kas joje kuriama? Kokių sričių ekspertų reikėjo tam, kad įgyvendintumėte savo idėją?
– Mūsų įmonės pastarųjų dvejų metų rezultatas yra programinis instrumentas radiologams, sukurtas giliųjų neuronų tinklų pagrindu. Šis instrumentas automatiškai interpretuoja krūtinės rentgeno nuotraukas ir pateikia išvadas, kuriose atpažįsta galimas patologijas bei jas pažymi. Taip jis sugeba atrasti daugiau nei 70 skirtingų radiologinių požymių ar ligų, kuriuos aprašyti turėtų ir radiologas.
Tokio pobūdžio technologijos vystymui reikalinga plačių kompetencijų komanda. Svarbu turėti ne tik stiprius dirbtinio intelekto tyrėjus, bet ir industrijos žinias, mūsų atveju, radiologijos. Manau, kad norint suburti stiprią komandą, reikia atsitiktinumų – su „Oxipit“ įkūrėjais susitikome dirbdami kitose įmonėse, dalyvaudami renginiuose. Tam, kad visi atsidurtų tinkamoje vietoje ir tinkamu laiku, prireikė kiekvieno iš mūsų entuziazmo, pastangų ir dalyvavimo dirbtinio intelekto bendruomenėje.
– Dirbtinis intelektas sukurtas, siekiant palengvinti žmogaus gyvenimą, perimti iš jo tam tikras funkcijas. Jo pritaikymas diagnostikoje, ko gero, žinomas dar nedaugeliui. Kaip jums gimė idėja dirbtinį intelektą panaudoti medicinoje? Ar tai – seniau kur nors jau sutikto principo patobulinimas, ar visiškai nauja idėja?
– Idėją subrandinome, matydami augantį globalų radiologų trūkumą. Tai, kad tyrimų poreikis kyla sparčiau, negu specialistų skaičius, yra rimta problema. Pavyzdžiui, Didžiojoje Britanijoje paskaičiuota, kad 7 iš 10 šalies ligoninių turi neįvertintų krūtinės radiologinių tyrimų, kurių rezultatų pacientai laukia mėnesiais.
Mūsų komandos nariams kurį laiką norėjosi pabandyti rasti sprendimą šiai problemai. Panašūs dalykai yra mėginti ir anksčiau, tačiau su pavienėmis diagnozėmis ir nelabai sėkmingai. Pastarųjų kelerių metų progresas, taikant dirbtinį intelektą vaizdams, ir mūsų sukaupta patirtis leidžia pasiūlyti gerokai pajėgesnį pagalbininką radiologams.
– Kaip dirbtinio intelekto naudojimą diagnostikos tikslais vertina medikų bendruomenė, plačioji visuomenė?
– Kiekvienas turi savo nuomonę. Žmonės, kurie yra susidūrę su senesnėmis tokio tipo sistemomis ir matę jų trūkumus, dirbtinį intelektą yra linkę vertinti skeptiškiau, tačiau net ir tos dalis senesnių sistemų atrado savo vartotojus. Tačiau sutinkama, kad tai yra augančios svarbos sritis – pastaruosius dvejus metus dėmesys ir palaikymas šiai sričiai parodose ir konferencijose padidėjo dešimtis kartų.
Kalbant apie plačiąją visuomenę, manau, kad šiandienai šita tema dar nėra pakankamai daug kalbama, tačiau realybėje su pirmais pokyčiais jau susiduriam – kai kur naudojama automatinė elektrokardiogramos analizė, kai kur radiologas naudojasi pusiau automatiniais sprendimais, kad greičiau pateiktų kompiuterinės tomografijos ar magnetinio rezonanso tyrimo rezultatus.
– Dirbtinio intelekto naudojimas medicinoje, be abejonės, kelia ir etikos klausimų. Tarkime, ant kieno pečių turėtų kristi atsakomybė, kai klaidą diagnostikos metu įvelia robotas?
– Automatizavimo algoritmai leidžia išvengti didesnės dalies klaidų, tačiau pavienės gali atsirasti ir dėl jų kaltės. Mes stengiamės išvengti šio klausimo, kurdami dirbtinio intelekto asistentą, kurio išvados padeda daktarui greičiau ir tiksliau dirbti, tačiau neatima iš jo atsakomybės.
– Žvelgiant į ateities perspektyvą, ar jums atrodo, kad dirbtinis intelektas medicinos srityje visgi gali perimti didžiąją dalį darbų, kuriuos atlieka žmogus – tyrimų analizę, ligos nustatymą?
– Tikrai gudriems sprendimas priimti dirbtinis intelektas dar nėra pasiruošęs – trūksta dar kelių esminių mokslinių lūžių, jei jie išvis yra įmanomi. Net ir labiau rutininių veiklų automatizavimo sistemas kurti šiuo metu kliudo aibė skirtumų tarp ligoninių informacinių technologijų sistemų – tiesa, radiologiniai vaizdai tam yra išimtis. Centralizuotos sistemos ir stiprūs standartai yra žingsniai link galimybės gerokai palengvinti daugelio ligų nustatymą ir prevenciją, efektyvinti tyrimų nustatymą, tačiau vargu ar perimti darbus – greičiau pakeisti ar sukurti naujus.
Daugiau apie G. Pekšio patirtį galite išgirsti jau trečiadienį (vasario 13 dieną) diskusijoje „Dirbtinis intelektas ir gyvybės mokslai“, kurią organizuoja Vilniaus universiteto Studentų atstovybė Gyvybės mokslų centre.
Renginys vyks Vilniaus universiteto Gyvybės mokslų centre (Saulėtekio al. 7), 17.30 valandą; daugiau informacijos galite rasti socialiniame tinkle Facebook. Diskusija – tarptautinės gyvybės mokslų konferencijos The COINS 2019 pristatomasis renginys.
