„Haláljeleket” kereső

mesterséges intelligenciával (MI) erősíti a tengerentúli közegészségügyet az Amerikai Élelmiszer- és Gyógyszerbiztonsági Hivatal (FDA). Az oxfordi kutatók által már néhány éve kidolgozott algoritmus felhasználását most az Excel Medical amerikai cég egészségügyi keretrendszerébe integrálva engedélyezték. A szoftver, amelytől azt várják, hogy idővel a kórházi protokollba szervesül, hirtelen beálló, gyakran halálos kimenetelű, a hagyományos keringés- és légzésfigyelő berendezések szoros emberi monitorozásával nemigen észlelhető állapotokat képes órákkal a kibontakozásuk előtt előrejelezni. Ezeket – például a gyors lefolyású szívinfarktust vagy a légzőrendszer hirtelen összeomlását – mindeddig többnyire megjósolhatatlannak hitték.

Algoritmus számolja ki a halál kockázatát
Az intenzív ellátást nyújtó kórházi osztályokon manapság is használnak speciális adatsorokat, egyebek mellett például az APACHE-modellt, amellyel a többnyire kritikus, életveszélyes állapotú betegek életfunkcióinak az aktuális állapotán felül a páciensek elhalálozási kockázatát igyekeznek kiszámítani. Az adatsoroknak azonban leginkább statisztikai jelentőségük van, az ellátás javítását célozzák – mondta a Qubitnek Csepregi Gyula, az Országos Baleseti Intézet aneszteziológiai és intenzív terápiás osztályának nyugalmazott főorvosa. A kórházi protokollban ugyanis a szóban forgó állapotfelmérő listák ezreinek kiértékelése alapján sorolják kockázati csoportokba a betegeket. Egy adott páciens tényleges kezelési módjáról azonban nem a saját adatait tartalmazó lajstrom egyedi értékei alapján döntenek – mondta Csepregi. Ehelyett, miután az eredményei alapján az állapotának megfelelő kockázati csoportba sorolták, kezelőorvosai a csoportra érvényes kórházi protokoll szerint járnak el.

Hat órával korábban jelzi, hogy jön a baj
Az ellátást, valamint például az újraélesztési technikák bevetését az életjeleket monitorozó berendezések értékeire, például a hirtelen zuhanásnak indult vérnyomásra, kórosan alacsony véroxigén-telítettségre vagy fibrilláló szívkamrára alapozzák. Csakhogy mire ezek a gyakran nem egymáshoz képest, hanem önálló értékként figyelembe vett adatok elérik a klinikai tűréshatárt, a páciensek keringési és légzésfunkciói már kritikus állapotban vannak. Az Amerikában most bevetésre váró MI azonban már látszólag stabil vagy attól alig eltérő értékek mellett, akár hat órával annak bekövetkezése előtt is jelezheti a légzőrendszer hirtelen összeomlását, a szívinfarktust vagy az agyi infarktust (sztrókot). Az algoritmus ugyanis az életjeleket egymás viszonylatában figyeli, és már minimális eltérések esetén is riaszthat, ha azok egybeesnek egy másik érték változásával. Az ilyen változás sokszor csekélynek tűnik, mégis okot adhat az aggodalomra.

Mindezt a különféle véletlenszerű osztályozási módszerekre, illetve mesterséges neuron-hálózatokra támaszkodó önfejlesztő számítógépes adatelemzés (machine learning analysis) biztosítja. A valós idejű intelligens felügyelet nemcsak azért ígérkezik hasznosnak, mert eddig menthetetlennek hitt betegeknek is időben biztosíthatja a hatékony segítséget: az MI-vel a kórházak ráadásul még spórolhatnak is. A szuperszámítógépek nem fáradnak és a figyelmük sem lankad, így tehermentesítik a sokszor a végletekig terhelt intenzív terápiás ápolókat és orvosokat. Ráadásul azt is segítenek pontosabban feltérképezni, mely betegeknél lehet – például időben elkezdett megelőző kezeléssel – elkerülni a később már nemcsak gyakran kudarcra ítélt, hanem meglehetősen költséges beavatkozásokat.

Megjósolja, ki hal meg, és ki nem
A mélytanuló neurális hálózatok (deep-learning neural networks) nemcsak a sürgősségi, hanem a krónikus betegellátásban is segíthetnének gatyába rázni az egészségügyi büdzsét. A Stanford Egyetem kutatói tavaly novemberben rukkoltak elő egy olyan algoritmussal, amely terminális betegek egy éven túli túlélési esélyeit hivatott kikalkulálni. A kétmillió felnőtt és gyermek egészségügyi adataival trenírozott MI megjósolja, ki hal meg 3-12 hónapon belül és ki nem. Az életvégi, úgynevezett palliatív ellátásban részesülők adatai esetében az algoritmus 90 százalékos pontossággal következtette ki a betegek halálának várható időpontját. Mindez azért érdekes, mert miközben az amerikaiak mintegy négyötöde – ha tehetné – a saját otthonában venne búcsút az életétől, nagyjából a 60 százalékuk mégis kórházban, intenzív osztályokon, sokszor fájdalmas és felesleges beavatkozások közepette hal meg. Egyéni érzelmei, a saját képességeibe vetett hite vagy épp egy esetleges jövőbeli kártérítési pertől tartva az orvosok jó része ugyanis nem vállalja fel azt a döntést, hogy gyógyíthatatlan betegeit, ha maguk kérik, hagyja háborítatlanul, a családjuk körében meghalni. A szoftver azonban nem hezitál az érintettek valós esélyeit közölni.

Más kérdés, hogy a sokan azért félnek a gépek döntésére hagyatkozni, mert a kutatók számára a mélytanulás pontos folyamata egyelőre rejtély. A legtöbbször csak azt tudják ellenőrizni, mennyire volt helytálló az előre megjósolt végeredmény, az viszont rendszerint nem derül ki, miként jutott a gép az adott következtetésre.

Mit dobott a gép?
A rejtélyes mélytanulási mechanizmus segítségével ugyanakkor egy komolyabb okosóra is sokrétű diagnosztikai eszközzé avanzsálhat. Noha sem vérnyomásmérővel, sem pedig az alvásdiagnosztikában használatos poliszomnográffal nincsenek felszerelve, az Apple órái meg tudják állapítani, hogy a viselőjük szenved-e magas vérnyomástól vagy az éjszakai pihenés során a többszöri légzéskimaradás miatt oxigénhiányos állapotok sokaságát produkáló alvási apnoétól. Utóbbi, a laikusok által jobbára hangos és krónikus horkolásként ismert kórkép tünetei hosszú távon gyakran agyi vagy szívinfaktushoz vezethetnek. Az órák a pulzusszámmérőjük és a lépésszámlálójuk, valamint a tanuló algoritmus segítségével az esetek négyötödében ráhibáznak a magasvérnyomás-betegségre, míg az alvási apnoe diagnosztikájában 90 százalékos pontosságot is elérnek.

A szuperintelligens gépek a fertőzések diagnosztikájában is segíthetnek. James Kirby amerikai mikrobiológus és csapata tavaly decemberben arról cikkezett, hogy MI-vel felturbózott, automatizált szupermikroszkópjuk jelesre vizsgázott baktériumtörzsek felismeréséből. A 25 ezer potenciális fertőzött vérmintáján edzett laboratóriumi okoskukker 95 százalékos biztonsággal azonosította a vastagbélgyulladást okozó E. coli, az enyhébb és súlyosabb bőrfertőzéseket, tüdő-, illetve agyhártyagyulladást okozó Staphylococcus, valamint a felsőlégúti megbetegedéseket, súlyosabb esetekben pedig például orbáncot, tüdőgyulladást, sebfertőzéseket, illetve vérmérgezést okozó Streptococcus törzseket.

A harvardi mikrobiológus-csapat azt reméli, hogy a humán szakemberek krónikus hiányát ellensúlyozni képes okosmikroszkóp segíthet a laboreredmények elkészülési idejét jelentősen csökkenteni. Márpedig a kezelés hatékonysága szempontjából meglehetősen időérzékeny, minden egyes nappal sokat súlyosbodó bakteriális fertőzések esetében ennek felbecsülhetetlen lehet a fontossága. Más kérdés, hogy vajon a szóban forgó esetekben mennyire elfogadható az 5 százalékos hibahatár. https://qubit.hu/2018/01/26/mesterseges-intelligencia-a-gyogyaszatban-algoritmus-josolja-meg-mikor-erkezik-a-halal