Ez a második rész egy hatrészes sorozatból, amely azt vizsgálja, hogyan változtatja meg a mesterséges intelligencia az orvosi kutatást és kezeléseket.

Terry Quinn még csak tizenéves volt, amikor cukorbetegséget diagnosztizáltak nála. Bizonyos szempontból lázadt a címke és a gyakori vizsgálatok ellen, nem akarta magát másnak érezni.

Legnagyobb félelme az volt, hogy egy nap amputálni kell a lábát. A látásvesztés, a cukorbetegség másik lehetséges szövődménye nem igazán volt a radarján. “Soha nem gondoltam, hogy elveszítem a látásomat” – mondja Quinn, aki Nyugat-Yorkshire-ben él.

De egy nap vérzést vett észre a szemében. Az orvosok közölték vele, hogy diabéteszes retinopátiája van: a retinában lévő erek cukorbetegséggel összefüggő károsodása. Ehhez lézeres kezelésre, majd injekciókra volt szükség.

Végül a kezelések nem voltak elegendőek ahhoz, hogy megakadályozzák a látása romlását. Megsérült a válla, amikor lámpaoszlopnak ment. Nem tudta kivenni a fia arcát. És fel kellett hagynia a vezetéssel.

“Szánalmasnak éreztem magam. Úgy éreztem magam, mint egy árnyék, aki nem tudott semmit sem csinálni” – emlékszik vissza.

Az egyik dolog, ami segített neki kimászni a kétségbeesésből, a Vakvezető Kutya Egyesület támogatása volt, amely összekötötte őt egy Spencer nevű fekete labradorral. “Ő mentette meg az életemet” – mondja Quinn, aki most a Vakvezető Kutyák adománygyűjtője.

Az Egyesült Királyságban az NHS meghívja a betegeket egy- vagy kétévente diabéteszes szemszűrésre.

Az amerikai irányelvek szerint minden 2-es típusú cukorbetegségben szenvedő felnőttet szűrni kell a cukorbetegség diagnózisakor, majd évente, ha nincs probléma. Sok ember esetében azonban ez a gyakorlatban nem történik meg.

“Nagyon egyértelmű bizonyítékok vannak arra, hogy a szűrés megelőzi a látásromlást” – mondja Roomasa Channa, az amerikai Wisconsin-Madison Egyetem retinaszakértője.

Az Egyesült Államokban az akadályok közé tartoznak a költségek, a kommunikáció és a kényelem. Dr. Channa úgy véli, hogy a tesztek könnyebb hozzáférhetőségének megkönnyítése segítene a betegeknek.

A diabéteszes retinopátia szűréséhez az egészségügyi szakemberek képeket készítenek a szem hátsó belső faláról, az úgynevezett szemfenékről.

Jelenleg a szemfenéki képek manuális értelmezése “sok ismétlődő munkát jelent” – mondja Dr. Channa.

Egyesek szerint azonban a mesterséges intelligencia (AI) felgyorsíthatja és olcsóbbá teheti a folyamatot.

A diabéteszes retinopátia meglehetősen egyértelmű szakaszokban alakul ki, ami azt jelenti, hogy az AI-t be lehet tanítani a felismerésére.

Bizonyos esetekben a mesterséges intelligencia eldönthetné, hogy szükség van-e szemész szakorvoshoz való beutalásra, vagy együtt dolgozhatna az emberi képosztályozókkal.

Az egyik ilyen rendszert a portugáliai székhelyű Retmarker egészségügyi technológiai vállalat fejlesztette ki.

Rendszere azonosítja azokat a szemfenékképeket, amelyek problémásak lehetnek, és elküldi őket egy emberi szakértőnek további vizsgálatra.

“Általában inkább támogató eszközként használjuk, hogy információt adjunk az embernek a döntés meghozatalához” – mondja João Diogo Ramos, a Retmarker vezérigazgatója.

Úgy véli, hogy a változástól való félelem korlátozza az ilyen AI-alapú diagnosztikai eszközök elterjedését.

Független tanulmányok szerint az olyan rendszerek, mint a Retmarker Screening és az Eyenuk EyeArt elfogadható érzékenységi és specificitási arányokkal rendelkeznek.

Az érzékenység azt jelenti, hogy egy teszt mennyire jó a betegség kimutatásában, míg a specificitás azt, hogy mennyire jó a betegség hiányának kimutatásában.

Általánosságban elmondható, hogy a nagyon magas érzékenység több téves pozitív eredménnyel járhat. A téves pozitív eredmények aggodalmat és költségeket okoznak, mivel szükségtelen szakorvosi látogatásokhoz vezetnek. Általánosságban elmondható, hogy a rossz minőségű képek hamis pozitív eredményekhez vezethetnek a mesterséges intelligencia rendszerekben.

A Google Health kutatói a diabéteszes retinopátia felismerésére kifejlesztett AI-rendszer gyengeségeit vizsgálták.

Thaiföldön kipróbálva nagyon eltérően teljesített a feltételezett forgatókönyvekhez képest.

Az egyik probléma az, hogy az algoritmusnak érintetlen szemfenékképekre volt szüksége. Ez távol állt az időnként piszkos lencsék, a kiszámíthatatlan megvilágítás és a különböző képzettségű operatőrök valóságától.

A kutatók azt mondják, hogy levonták a tanulságot a jobb adatokkal való munka és a széles körű konzultáció fontosságáról.

A Google eléggé bízik modelljében ahhoz, hogy októberben a vállalat bejelentette, hogy thaiföldi és indiai partnereknek licenceli azt. A Google azt is közölte, hogy a thaiföldi közegészségügyi minisztériummal együttműködve értékeli az eszköz költséghatékonyságát.

A költségek nagyon fontos szempontok az új technológiánál.

Ramos úr szerint a Retmarker szolgáltatása körülbelül 5 euróba kerülhet szűrésenként, bár a mennyiség és a helyszín függvényében változhat. Az Egyesült Államokban az orvosi számlázási kódokat lényegesen magasabbra állítják be.

Szingapúrban Daniel S W Ting és munkatársai a diabéteszes retinopátia szűrésének három modelljének költségeit hasonlították össze.

A legdrágább az emberi értékelés volt. A teljes automatizálás azonban nem volt a legolcsóbb, mert több volt a téves pozitív eredmény.

A legolcsóbb egy hibrid modell volt, ahol az eredmények kezdeti szűrését a mesterséges intelligencia végezte, mielőtt az emberek átvették volna a feladatot.

Ezt a modellt mostanra integrálták a Szingapúri Egészségügyi Szolgálat nemzeti informatikai platformjába, és 2025-ben éles üzembe helyezik.

Ting professzor azonban úgy véli, hogy Szingapúr azért tudott költségmegtakarítást elérni, mert már rendelkezett szilárd infrastruktúrával a diabéteszes retinopátia szűrésére.

Tehát a költséghatékonyság valószínűleg nagyban fog változni.

Bilal Mateen, a PATH egészségügyi civil szervezet AI vezetője szerint a látás megőrzését célzó AI-eszközökkel kapcsolatos költséghatékonysági adatok meglehetősen erősek a gazdag országokban, például az Egyesült Királyságban, vagy néhány közepes jövedelmű országban, például Kínában. A világ többi részén azonban nem ez a helyzet.

“A mesterséges intelligencia gyors fejlődésével egyre kevésbé azt kell kérdeznünk, hogy lehetséges-e, hanem egyre inkább azt, hogy mindenki számára építünk-e, vagy csak a kiváltságos kevesek számára. A hatékony döntéshozatalhoz többre van szükségünk, mint hatékonysági adatokra” – sürgeti Dr. Mateen.

Dr. Channa rámutat az egészségügyi egyenlőségi szakadékra még az Egyesült Államokon belül is, amelyet reméli, hogy ez a technológia segíthet áthidalni. “Valóban ki kell terjesztenünk olyan helyekre, ahol még korlátozottabb a szemészeti ellátáshoz való hozzáférés”.

Hangsúlyozza azt is, hogy az időseknek és a látásproblémákkal küzdő embereknek szemorvoshoz kell fordulniuk, és az AI kényelme a diabéteszes szembetegség rutinszerű kimutatására nem szabad, hogy elriassza a figyelmet az összes többi szembetegségtől. Más szembetegségek, mint például a rövidlátás és a zöldhályog, nehezebbnek bizonyultak az AI-algoritmusok számára a felismerésben.

De még ezekkel a fenntartásokkal együtt is “a technológia nagyon izgalmas” – mondja Dr. Channa.

“Szeretném, ha minden cukorbeteg páciensünket időben kiszűrnék. És úgy gondolom, hogy a cukorbetegség okozta terheket figyelembe véve ez egy valóban potenciálisan nagyszerű megoldás”.”

Yorkshire-ben Quinn úr mindenesetre reméli, hogy az új technológia beindul.

Ha létezett volna mesterséges intelligencia a diabéteszes retinopátia korábbi felismerésére, “két kézzel ragadtam volna meg”.