Zastosowania sztucznej inteligencji (AI) w medycynie

• Published in: Medycyna ogólna i nauki o zdrowiu 2021-01, Vol.27 (3), p.213
• Main Authors: Niewęgłowski, Kacper, Wilczek, Natalia, Madoń, Barbara, Palmi, Jan, Wasyluk, Martyna
• Format: Article
• Language: Polish
• Subjects: Algorithms; Artificial intelligence; Computed tomography; Deep learning; Learning algorithms; Machine learning; Medicine; Neural networks; Pathology; Supplements
• ISSN: 2083-4543; 2084-4905
• DOI: 10.26444/monz/142085

Wprowadzenie i cel: Problematyka sztucznej inte-ligencji jest stosunkowo nowym zagadnieniem w naukach medycznych. Regularnie pojawiają się publikacje dotyczące jej zastosowań w medycynie. Często dotyczą one wykorzystania algorytmów głębokiego uczenia, opartego na sieciach neuronowych, które są w stanie rozpoznać zmiany chorobowe widoczne na obrazie. Celem pracy jest omówienie możliwości wykorzystania sztucznej inteligencji w medycynie, szczególnie w radiologii i patomorfologii, oraz przedstawienie osiąganych dzięki niej wyników. Metody przeglądu: W marcu 2021 roku przeszukano bazę danych Medline (PubMed) oraz Google Scholar przy użyciu słów kluczowych: „artificial intelligence”, „deep learning”, „machine learning”, „digital pathology”, „convolutional neural network”. Wybrano prace opublikowane w języku angielskim, w latach 2015–2021. Opis stanu wiedzy: Istnieje wiele doniesień o zastosowaniach sztucznej inteligencji w medycynie, głównie w dziedzinie radiologii i patomorfologii. Badania pokazują, że samouczące się algorytmy są w stanie z dokładnością zbliżoną do oceny przeprowadzonej przez lekarzy, a niekiedy nawet większą, wykryć zmiany chorobowe na zdjęciu rentgenowskim, tomografii komputerowej czy na zdjęciu preparatu mikroskopowego. W przedstawionych badaniach zauważalne są istotne korzyści wynikające z synergistycznego działania lekarzy i sztucznej inteligencji. Podsumowanie: Wyniki uzyskiwane przez algorytmy oparte na sztucznej inteligencji świadczą o tym, że może ona usprawniać proces diagnozowania pacjentów, głównie dzięki uzupełnianiu wiedzy i doświadczenia lekarzy. Ważną kwestią jest również to, że korzystanie przez lekarzy z samouczących się algorytmów zmniejsza ryzyko popełnienia błędu ludzkiego, np. niezauważenia zmiany chorobowej widocznej na zdjęciu rentgenowskim.