Sztuczna inteligencja i diagnostyka chorób

Sztuczną inteligencję można znaleźć w każdym aspekcie codziennego życia, również w diagnozowaniu i leczeniu wielu patologii. Na czym polega ta technologia?
Sztuczna inteligencja i diagnostyka chorób
Leonardo Biolatto

Przejrzane i zatwierdzone przez: lekarz Leonardo Biolatto.

Ostatnia aktualizacja: 10 października, 2022

Tradycyjnie diagnozę choroby zawsze przeprowadzał przeszkolony personel medyczny. Jednak programy technologiczne poczyniły postępy w ostatnich latach i mogą służyć jako wsparcie. W tym artykule przeanalizujemy, jaką rolę odgrywa sztuczna inteligencja w diagnostyce chorób.

Sztuczna inteligencja i medycyna mają wzajemne powiązania od wielu lat. W rzeczywistości wiele badań wykazało, że tego typu programy można wykorzystywać w prawie wszystkich dziedzinach zdrowia ludzkiego. Jednak ich specyficzne zastosowanie w diagnozowaniu chorób nie zostało jeszcze w pełni zbadane.

Grupa ekspertów z Birmingham w Wielkiej Brytanii doszła do wniosku, że sztuczną inteligencję można zastosować w diagnostyce chorób. W rzeczywistości uważa się, że może przewyższyć ludzi w identyfikowaniu niektórych patologii.

Czym jest sztuczna inteligencja?

Przede wszystkim musimy zdefiniować, czym jest sztuczna inteligencja, czyli AI. Mówiąc prościej, jest to zestaw algorytmów, które próbują odtworzyć zdolności poznawcze istot ludzkich. Chociaż wydaje się to odległą technologią, używamy jej codziennie, nawet tego nie zauważając.

Popularne funkcje, takie jak rozpoznawanie twarzy w telefonach komórkowych czy asystenci głosowi, istnieją dzięki sztucznej inteligencji. Technologia ta znajduje również zastosowanie w rolnictwie, transporcie, edukacji i finansach.

W medycynie istnieją chatboty, które automatycznie pytają o objawy w celu zdiagnozowania danej patologii. W ten sposób można dowiedzieć się, czy cierpisz na powszechną chorobę, taką jak zapalenie płuc.

Sztuczna inteligencja.
Sztuczna inteligencja może być prosta, jak na przykład w codziennych aplikacjach do odblokowywania telefonu. Ale może być również złożona i analizować ogromne ilości danych.

Co to jest deep learning (głębokie uczenie)?

Obecnie istnieje wiele różnych form sztucznej inteligencji. Najszerzej stosowanym w diagnostyce chorób jest deep learning, czyli uczenie głębokie.

To po prostu gałąź uczenia maszynowego, która pozwala maszynom uczyć się automatycznie bez konieczności programowania. W tym sensie systemy są w stanie zinterpretować szereg danych w celu dokonania prognoz.

Dzięki technologii deep learning komputery uczą się same. Osiąga się to poprzez rozpoznawanie wielu wzorów.

Proces opiera się głównie na wykorzystaniu systemu sztucznych neuronów na różnych poziomach. Mówiąc prościej, program rozumie daną porcję danych na poziomie początkowym. Następnie przekazuje je na wyższy poziom, gdzie łączy się z innymi danymi w celu uzyskania bardziej złożonych informacji.

Czy sztuczna inteligencja może diagnozować choroby?

Teraz, gdy koncepcje sztucznej inteligencji i głębokiego uczenia są nieco jaśniejsze, możemy bardziej szczegółowo wyjaśnić rolę sztucznej inteligencji w diagnozowaniu chorób. Niedawno w czasopiśmie The Lancet Digital Health opublikowano pierwszy przegląd literatury na ten temat.

Badania przeprowadzono w University Hospitals Birmingham NHS Foundation Trust. Uczestnicy zrecenzowali prawie 20 500 artykułów, chociaż mniej niż 1% spełniało kryteria włączenia. Niemniej jednak byli w stanie wywnioskować, że sztuczna inteligencja była w stanie wykrywać patologie tak dokładnie, jak ludzie.

Choroby, które diagnozowano przy pomocy sztucznej inteligencji, obejmowały nowotwory, a także problemy z oczami. Eksperci przeanalizowali łącznie 14 badań, dzięki którym ustalili, że AI zdiagnozowała chorobę w 87% przypadków. Oznacza to, że przewyższałaby zdolności personelu medycznego, którego skuteczność wynosiła 86%.

Ponadto technologia była w stanie zidentyfikować zdrową osobę w 93% przypadków. Również personel medyczny wypadł gorzej pod tym względem, osiągając zaledwie 91%.

Inne badania nad sztuczną inteligencją i zdrowiem

W ostatnich latach liczba badań dotyczących sztucznej inteligencji w diagnostyce chorób wzrosła wykładniczo. W rzeczywistości wdrożono ją nawet w diagnostyce i leczeniu pojawiających się chorób, takich jak COVID-19.

Badanie opublikowane w International Journal of Biological Sciences wykazało, że sztuczna inteligencja była wykorzystywana w analizie obrazu do diagnozy COVID-19. Przyspieszyło to proces i przyspieszyło opiekę nad pacjentem w czasie pandemii.

Z drugiej strony artykuł w czasopiśmie Current Oncology wykazał, że sztuczna inteligencja jest wykorzystywana w diagnostyce kilku rodzajów raka. W rzeczywistości, wspomagane sztuczną inteligencją techniki badań przesiewowych w kierunku raka jelita grubego stanowią kluczowy krok w zmniejszaniu zachorowalności na nowotwory.

Kardiologia również skorzystała na sztucznej inteligencji. Technologia ta stała się podstawowym narzędziem diagnozowania chorób układu krążenia. Okazuje się na przykład, że o wiele dokładniej analizuje echokardiogram.

Sztuczna inteligencja i diagnostyka chorób.
Sztuczna inteligencja szybciej odczytuje badania obrazowe, co przyspiesza procesy diagnostyczne.

Technologia, która wciąż wymaga udoskonalenia

Jak widać, wyniki pierwszego przeglądu literatury oraz innych badań dotyczących zastosowania sztucznej inteligencji w diagnostyce chorób są obiecujące. Jest to jednak nowa technologia, którą należy udoskonalić , aby zmniejszyć prawdopodobieństwo pomyłek i błędów systematycznych.

Z drugiej strony brak zweryfikowanych i rzetelnych badań nad zastosowaniem tej technologii utrudnia jej postęp. W związku z tym musimy poczekać kilka lat i obserwować kolejne odkrycia naukowe, zanim sztuczna inteligencja będzie mogła być wykorzystana w dowolnym ośrodku opieki zdrowotnej na świecie.

To może Cię zainteresować ...
Diagnoza nowotworu – jak przyjąć tę wiadomość?
Krok do Zdrowia
Przeczytaj na Krok do Zdrowia
Diagnoza nowotworu – jak przyjąć tę wiadomość?

Diagnoza nowotworu zmienia całe życie. Wiele osób zaczyna myśleć o swoim życiu w podziale na etap "przed zachorowaniem" i "po zachorowaniu".



  • Ramesh AN, Kambhampati C, Monson JR, Drew PJ. Artificial intelligence in medicine. Ann R Coll Surg Engl. 2004 Sep;86(5):334-8.
  • Huang S, Yang J, Fong S, Zhao Q. Artificial intelligence in the diagnosis of COVID-19: challenges and perspectives. Int J Biol Sci. 2021 Apr 10;17(6):1581-1587.
  • Mitsala A, Tsalikidis C, Pitiakoudis M, Simopoulos C, Tsaroucha AK. Artificial Intelligence in Colorectal Cancer Screening, Diagnosis and Treatment. A New Era. Curr Oncol. 2021 Apr 23;28(3):1581-1607.
  • Zhou J, Du M, Chang S, Chen Z. Artificial intelligence in echocardiography: detection, functional evaluation, and disease diagnosis. Cardiovasc Ultrasound. 2021 Aug 20;19(1):29.
  • Hashimoto DA, Witkowski E, Gao L, Meireles O, Rosman G. Artificial Intelligence in Anesthesiology: Current Techniques, Clinical Applications, and Limitations. Anesthesiology. 2020 Feb;132(2):379-394.
  • Gupta R, Srivastava D, Sahu M, Tiwari S et al. Artificial intelligence to deep learning: machine intelligence approach for drug discovery. Mol Divers. 2021 Aug;25(3):1315-1360.

Treść niniejszej publikacji ma charakter wyłącznie informacyjny. W żadnym wypadku nie może ona służyć postawieniu lub zastąpieniu diagnozy lekarskiej, samego leczenia lub zaleceń specjalisty. W razie pytań lub wątpliwości należy skonsultować się z zaufanym specjalistą i uzyskać jego zgodę przed rozpoczęciem jakiejkolwiek procedury.