Instrumentele de inteligență artificială utilizate pentru diagnosticarea cancerului din biopsii oferă rezultate mai puțin precise pentru anumite grupuri de pacienți, chiar și atunci când sunt antrenate pe date aparent similare. Două studii recente sugerează că acest fenomen ar putea fi legat de diferențele în frecvența cancerului și de caracteristici moleculare subtile între populații. Cu toate acestea, o nouă metodă de antrenare a redus aceste discrepanțe cu aproape 90%.
Instrumentele moderne de inteligență artificială sunt tot mai frecvent utilizate în medicină, în special pentru identificarea cancerului prin analiza probelor de țesut. În contextul actual global, preocuparea pentru echitate în diagnosticarea medicală devine din ce în ce mai importantă. Specialiștii au observat că aceste sisteme nu oferă aceleași rezultate pentru toți pacienții. Unele grupuri demografice primesc diagnostice mai puțin precise, chiar dacă datele utilizate pentru antrenare par echilibrate.
O diferență greu de ignorat între pacienți
Inteligența artificială a devenit un sprijin esențial în cabinetele medicale, mai ales când vine vorba de analiza biopsiilor pentru depistarea cancerului. În anumite situații, ajutorul inteligenței artificiale poate fi crucial pentru stabilirea rapidă a unui diagnostic. Deși scopul este să asiste medicii în stabilirea unui diagnostic corect și rapid, nu totul funcționează perfect.
Două studii recente au evidențiat o problemă semnificativă. Chiar și atunci când modelele de AI sunt instruite cu date ce par echilibrate între grupuri demografice, precizia diagnosticului poate varia. S-a observat că performanța scade pentru populațiile mai puțin reprezentate în datele de antrenament, un aspect deja bine cunoscut în domeniu, care scoate în evidență preocupările legate de echitatea în sistemul medical.
Un studiu publicat în revista Cell Reports Medicine a arătat că diferențele de performanță persistă chiar și atunci când dimensiunile grupurilor de antrenament sunt comparabile. Astfel, AI-ul nu oferă aceeași precizie pentru toți pacienții, chiar dacă datele inițiale sunt similare. Aceasta ridică întrebări despre modul în care aceste tehnologii pot fi utilizate eficient în practica medicală zilnică, inclusiv în cadrul proiectelor europene de sănătate digitală.
Ce se ascunde în spatele rezultatelor diferite
Cercetătorii au identificat două motive principale pentru aceste discrepanțe. Primul vizează frecvența diferită a anumitor tipuri de cancer între grupuri. Kun-Hsing Yu, coordonatorul studiului de la Facultatea de Medicină a Universității Harvard, a explicat: „Modelele de AI devin mai eficiente în diagnosticarea formelor mai comune într-un anumit grup și întâmpină dificultăți când aceleași tipuri de cancer sunt mai rare în alte populații.” Practic, AI-ul învață să recunoască mai bine tipurile de cancer pe care le întâlnește mai frecvent.
Al doilea motiv se referă la diferențele moleculare fine din probele de biopsie ale pacienților din diverse grupuri demografice. Inteligența artificială poate detecta aceste variații subtile și, uneori, folosește aceste informații ca indicii pentru tipul de cancer. Acest lucru poate conduce la o scădere a preciziei diagnosticului acolo unde aceste variații nu sunt la fel de frecvente.
Yu a adăugat: „Inteligența artificială poate distinge tipare biologice foarte fine și poate surprinde semnale greu de sesizat, care nu pot fi identificate prin evaluările umane standard.” Astfel, AI-ul poate ajunge să captureze informații legate de caracteristici demografice, nu doar de boală, ceea ce poate influența performanța diagnosticului între grupuri, chiar dacă eșantioanele sunt similare ca dimensiune. Acest fenomen este cunoscut și sub denumirea de bias al inteligenței artificiale, iar eliminarea lui reprezintă una dintre provocările majore pentru viitorul medicinei digitale.
O nouă abordare schimbă regulile jocului
Problema nu ține doar de calitatea sau cantitatea datelor, ci și de modul în care sunt antrenate modelele de AI. În ultimii ani, cercetătorii au căutat soluții inovatoare pentru a reduce biasul algoritmilor medicali. O nouă metodă de instruire a acestor sisteme a fost testată, iar rezultatele sunt promițătoare.
Prin această nouă abordare, diferențele de precizie între grupuri s-au redus cu aproximativ 88%. Metoda ajută algoritmii să învețe caracteristici mai solide și generale ale cancerului, care pot fi aplicate la orice grup demografic. Astfel, AI-ul nu se mai bazează pe detalii specifice unui anumit set de date, ci recunoaște semnele universale ale bolii. Acest progres ar putea fi aplicat și în alte domenii medicale, cum ar fi predicția rezistenței la antibiotice sau în cadrul unor proiecte internaționale susținute de Uniunea Europeană.
Aceasta duce la rezultate mai uniforme și mai de încredere între diferite populații, chiar și atunci când nu există seturi de date perfect reprezentative pentru fiecare grup. Este un pas important spre utilizarea AI-ului într-un mod mai echitabil în medicină și o dovadă că inteligența artificială folosită corect poate reduce inechitățile dintre pacienți.
Un viitor mai clar pentru diagnosticarea cu AI
Rezultatele echipei lui Yu sunt considerate încurajatoare, deoarece arată că diferențele de performanță ale sistemelor de AI pot fi corectate fără a fi necesară reconstrucția completă a bazelor de date, un proces care este foarte dificil și costisitor. Astfel de soluții pot contribui la creșterea încrederii în sistemele de diagnosticare bazate pe inteligență artificială în rândul medicilor și pacienților.
Un alt studiu, publicat în PLOS Biology, a ajuns la concluzii similare în domeniul predicției rezistenței la antibiotice. Aici, de asemenea, modul de antrenare al AI-ului poate introduce diferențe sistematice de performanță, reducând capacitatea modelelor de a anticipa corect rezistența și de a ajuta la combaterea acesteia.
Chiar dacă soluția testată nu rezolvă toate provocările, ea demonstrează că ajustările efectuate în procesul de antrenare pot avea un impact semnificativ. Cercetătorii subliniază că sunt necesare studii suplimentare pentru a înțelege și elimina complet sursele de bias din algoritmii medicali. Totuși, aceste descoperiri reprezintă un pas înainte spre o tehnologie care să fie utilă tuturor pacienților, indiferent de originea lor, și contribuie la dezvoltarea unor standarde comune în medicina modernă.
Pe măsură ce inteligența artificială devine tot mai prevalentă în medicină, preocuparea pentru echitate și precizie în diagnostic devine esențială. Progresele recente arată că, prin metode de antrenare mai bune, AI-ul poate ajunge să ofere rezultate mai corecte și uniforme pentru toți pacienții. Viitorul diagnosticării asistate de AI pare mai promițător ca niciodată, mai ales dacă se vor implementa politici publice care să sprijine inovația și să reducă diferențele dintre diversele grupuri de pacienți.
