Amikor kislányként bemehettem édesapám akkori munkahelyére, a Kossuth Lajos Tudományegyetem (mai nevén Debreceni Egyetem) Számoló Központjába (mert abban az időben még nem számítástechnika volt rá a kifejezés), akkor még a számítógép óriási, szekrény méretű, hangos szerkezet volt, kezdetleges tudással. Ez az 1970-es évek legvége, 80-as évek eleje volt. Nehéz elhinnem, de a mesterséges intelligencia alapjai akkor már léteztek, és elkezdődött a gondolkodás azon is: vajon miként segíthetné ez az új technológia az orvoslást.
Ha az alapokat nézzük, akkor a mesterséges intelligencia (MI) kutatása 1956-ban kezdődött az amerikai Dartmouth College egyik nyári workshopján. Akkor naivan még úgy gondolták, hogy csupán tíz tudósra és két hónapra van szükség ahhoz, hogy elkészítsék egy olyan masina terveit, alapjait, amely képes nyelvhasználatra, elvont fogalmak kezelésére, olyan problémák megoldására. Olyan dolgokra tehát, amelyeket addig kizárólag az emberi agy végzett el, tanulás útján. Persze ez akkor még hiú ábránd volt, és csak évtizedekkel később valósult meg.
Ám az adatbázisok létrehozását, az adatalapú elemzést már valóban tudták használni abban az időben. Ahogyan kutakodtam a mesterséges intelligencia fejlődésének témájában magyar vonatkozásban is, magam is megdöbbentem a dátumon: „az 1950-es évek elején megalakul a SZOTE Gépi Adatfeldolgozó Központ, mely epidemológiai (tehát népegészségügyi) statisztikai feldolgozást végzett.”1
„Az 1960-as években Dr. Szentgáli Gyula, a szekszárdi BALASSA JÁNOS Kórház főigazgatójának irányításával indult el a kórházi adatok gépi adatfeldolgozása. Először Dr. Szentgáli egy lyukkártyás gépi adatfeldolgozó központot hozott létre.”2
Persze az idő előrehaladtával ennél bonyolultabb feladatokra kezdték használni a gépeket. Még mindig nem mesterséges intelligencia, de azért óriási segítség volt az 1970-es években a Stanford Egyetemen létrehozott döntéstámogatási rendszer. A bakteriális fertőzések diagnosztizálására kifejlesztett MYCIN-rendszer körülbelül 600 szabályból állt, a diagnózist végző orvosnak igen/nem válasszal megválaszolható kérdések sorát tette fel, és az ezekre adott válaszokból állította fel a szóba jöhető fertőzést okozó baktériumok valószínűségi sorrendjét. A rendszer képes volt kezelni az abból fakadó bizonytalanságot is, hogy két különböző kérdésre adott válasz egy bizonyos baktérium érintettségét eltérő valószínűséggel mutatta ki, tehát kisebb esélye volt a tévedésnek.3
Ám itt még mindig nem történik meg, hogy hogy a gép javasolna valamit.
A következő lépés már határeset. Az Artificial Intelligence című folyóirat 1978-as évfolyamában publikáltak arról, hogy egy számítógépes rendszer a glaukóma konzultációs program munkáját segítette: a diagnózis felállításában és a kezelésében nyújtott „konzultációt” az embernek. A beteg leleteit értelmezték az ok-okozati hálózat (CASNET) modelljének segítségével, itt is a nagyszámú diagnózis és a kezelések adatainak összességét lehetett segítségül hívni. A rendszer önmaga vetette össze a betegség hátterében álló biológiai mechanizmusok magyarázatát (patofiziológiai mechanizmusokat) a kezelt és kezeletlen betegségek klinikai lefolyásával, és ajánlatot tett a diagnózisra, kezelésre. Mindezt sokkal gyorsabban, mint ahogyan egy ember erre képes lett volna – mert persze képes lett volna, de addig is telt volna az idő, és a beteg csak később jutott volna diagnózishoz, kezeléshez. A CASNET modell már ok-okozati hálózat volt, és ami fontos: a döntéselőkészítéshez használt adatok szűrtek, pontosak, hitelesek voltak. Magyarán nem az internetről szedték össze boldog-boldogtalan véleményét a témában, hanem az orvosok által betáplált eddigi adatokat használták egy újabb eset felderítésére.
Mesterséges intelligenciáról igazából talán az 1980-as évektől beszélhetünk, amikor már önálló választ adtak a programok egy-egy kérdésre, és maguk is tanultak a bevitt adatok feldolgozása során – mégpedig a diagnosztikai képfeldolgozásban. Előbb állóképekkel (röntgenfelvételek elemzésében) próbálták ki, majd az ultrahangképek kiértékelésében is használták. Ekkortól az MI segítségével már elkezdtek kifejleszteni olyan speciális számítógépes programokat, amelyek nagyszámú adat birtokában segítettek az orvosoknak a diagnózis felállításában. Képesek voltak arra, hogy megmondják: legnagyobb valószínűséggel milyen betegség, eltérés ábrázolódik a betegről készült mostani képen.
A 2000-es évek elejére az MI alkalmazása egyre gyorsabban fejlődött: a gépi tanulás és a neurális hálózatok segítségével az orvosi kutatásokban és diagnosztikában is egyre használatosabbá vált. Ebben az időszakban a mesterséges intelligencia egyre pontosabbá vált az érzékelési, diagnosztikai és terápiás feladatokban. Az orvosi képalkotásban az MI eszközöket CT-vizsgálatok, röntgenfelvételek, MRI-k és más képek elemzésére használták, főleg olyan elváltozások esetén, amelyeket egy emberi radiológus talán nem vesz, vagy nem vett észre. Nem azért nem vehette észre az ember, mert nem annyira jó a szeme vagy nem annyira okos, hanem azért, mert egy embernek évtizedek tapasztalata alapján alakul ki az a képessége, „látása”, felismerése, hogy észrevegyen egy parányi eltérést az adott röntgen- vagy ultrahangképen. Ezzel szemben a mesterséges intelligencia több milliárdnyi hasonló felvétellel veti össze a mostanit, pillanatok alatt, és megmutatja az orvosnak a különbséget, egyben azeddigi információk alapján megmondja, hogy szerinte milyen betegségről lehet szó.
2010-es évektől újabb területeken mutatkoztak meg az MI előnyei: lehetőség nyílt arra, hogy a genetikai adatokat elemezzék, kifejleszthessenek személyre szabott terápiákat.
Mostanra, a 2020-as évekre már el sem tudjuk képzelni az orvoslást a mesterséges intelligencia segítsége nélkül. Az MI nem az orvos helyett gyógyít. Viszont képes arra, hogy – mivel rendelkezésére áll az elérhető adatok összessége – javaslatot tegyen arra, hogy az érintett beteg adatai a legnagyobb valószínűséggel milyen betegségre utalnak, milyen kezelés milyen eséllyel tud javítani a helyzeten.
Ugyanis világunk egyre több adatot képez, raktároz és rendszerez. Ezt a hatalmas mennyiségű adatot emberi eszközökkel már nem lehet kezelni, túl lassúak lennénk így. Az MI-alapú klinikai döntéstámogató rendszerek azonban képesek nagy mennyiségű adatot elemezni, ezután javaslatot tesznek (de nem döntenek) a kivizsgálás vagy kezelések következő lépéseire. A szinte végtelen számú adat birtokában jelzik a lehetséges problémákat a kezelés során, ez pedig növeli a gyógyítás hatékonyságát. Egészét nézve tehát megkönnyíti az egészségügyben dolgozók munkáját, gyorsítja a döntéshozatalt és így a beteg érdekeit is szolgálja.
Az MI alkalmazása az orvostudományban és a gyógyításban folyamatosan fejlődik, és várhatóan további innovatív megoldások és alkalmazások fognak megjelenni a jövőben, amelyek tovább javítják az egészségügyi ellátás minőségét és hatékonyságát.
Kéky Kira
Forrás:
1-2: Informatika-történeti Fórum
3: https://nkerepo.uni-nke.hu/xmlui/bitstream/handle/123456789/15989/Okos_eszkozok_okos_jog_web.pdf
