vir: DeepMind
Rak dojke je med ženskim delom populacije v razvitem svetu najmnožičnejši tip raka in hkrati - za pljučnim - drugi najbolj smrtno nevaren. Možnost preživetja se močno poveča s pravočasnim odkritjem bolezni, zaradi česar se starejšim ženskam tudi pri nas svetujejo redni pregledi z mamografijo na dve leti. Toda razbiranje stanja z mamogramov, se pravi rentgenskih slik, je zahtevno in ne daje tako zanesljivih izsledkov, kot bi si želeli: kar blizu petino primerov raka se pri takšnih presejalnih testih zgreši, medtem ko okrog polovico žensk doleti tudi kak lažni alarm. Računalniška pomoč pri tovrstni diagnostiki ima že kar dolgo zgodovino, saj so v ZDA z njo začeli že pred več kot dvajsetimi leti. Toda v praksi se ni bistveno proslavila in je pokazala na mnoge slabosti dela zdravnikov s kompleksnejšimi digitalnimi orodji, kot je napačno tolmačenje strojnih izsledkov.
V Alphabetu skušajo sedaj digitalno pomoč v diagnostiki z globokim učenjem dvigniti na naslednjo stopnjo. Oddelka Google Health in DeepMind sta v sodelovanju z več britanskimi ter ameriškimi bolnišnicami preizkusila nov algoritem za iskanje znakov raka dojke v mamogramih in rezultate objavila v reviji Nature. Sistem so urili na 91.000 anonimiziranih slikah iz VB in ZDA, nakar so ga preizkusili na blizu 29.000 mamogramih drugih žensk. Pri ameriškem delu vzorca so količino zgrešenih rakov zmanjšali skoraj za desetino, pojavnost lažnih alarmov pa za dobrih pet odstotkov. Pri britanskem delu vzorca sta bili vrednosti nižji - 2,7% in 1,2% - predvsem na račun dejstva, da Britanci pregledu slik običajno namenijo dva radiologa. Nato so za dodatek na ameriškem vzorcu preizkusili še verzijo algoritma, ki se je učila zgolj na britanskem učnem vzorcu; tudi tu so rezultati spodbudni, saj je bil uspeh zopet nekaj boljši od običajnega.
To so uvodni rezultati in od praktičnih orodij nas loči še dosti brušenja ostrih robov. Tudi Googlov algoritem ga je še lomil na način, da je spregledal primere raka tam, kjer so ga zdravniki zapazili, ali zagnal vik in krik, kjer so ljudje upravičeno zamahnili z roko. Iz poročila ni povsem jasno, kolikšen delež vzorcev so predstavljali modernejši 3D mamogrami in kako se AI z njimi sooča. Vzorce bo nujno potrebno izpopolniti, da bodo zanesljivo zajemali čim večji del populacije, kajti vemo, da imajo globoke nevronske mreže resne težave s pristranskostjo. Za uporabo tovrstnih orodij bo potrebno razviti dodelano prakso in jo zlagoma izpopolnjevati, umetna pamet pa se bo morala naučiti tudi čim bolje razložiti, kako je prišla do svojih zaključkov.
Nismo torej še povsem na cilju, toda po kiksih IBMovega Watsona, ki so ga v divjino medicinske diagnostike potisnili prehitro, naposled vstopamo v dobo, ko bodo diagnoze sporazumni sklepi človeka in strojno učenega algoritma. Bolj grobo inačico bralnika mamogramov smo lahko videli že lani, medtem ko v DeepMindu snujejo programje za vse od pregledovanja pljuč do iskanja očesnih bolezni in okvar ledvic. Velikan iz Menlo Parka zelo dobro ve, zakaj hoče pohrustati vse mogoče zdravstvene podatke, naravnost ali ... tudi bolj po ovinkih.
