מכיוון שהשימוש בבינה מלאכותית (AI) ממשיך לגדול כמעט בכל תעשייה, חשוב להקים מעקות בטיחות כדי לוודא שהטכנולוגיה מנוצלת בצורה אתית ואחראית. זה נכון במיוחד בתחום הרפואה, שבו טעויות יכולות להיות עניין של חיים ומוות ויש להגן על מידע המטופל.
קבוצה של רופאי שבץ מוחי, חוקרים ונציגי תעשייה דנו בשימוש הנוכחי ובעתיד של AI בתכנון ניסויים קליניים בשבץ במפגש השולחן העגול של Stroke Treatment Academic Industry ב-28 במרץ. בהובלת ג'וזף ברודריק מאוניברסיטת סינסינטי, MD, החוקרים פרסמו מאמר בכתב העת שָׁבָץ 30 בספטמבר מסכם את הדיון בקבוצה.
רופאי שבץ מוחי כבר משתמשים בבינה מלאכותית כדי לסייע בקבלת החלטות קלינית, במיוחד בעת ניתוח הדמיית מוח וכלי דם. זה גם מתריע בפני רופאים לגבי משתתפים פוטנציאליים לניסויים קליניים.
אבל עם שימושים מורחבים אלו ואחרים ב-AI, ברודריק ועמיתיו הדגישו את החשיבות של תכנון מערכות "אנושיות בלולאה" הדורשות קלט ומומחיות אנושית בהדרכה ובשימוש במודלים של AI.
תחשוב על AI כמו פעוט הלומד לרכוב על אופניים. זה הישג מדהים לרכוב על אופניים, אבל יש הרבה נפילות (טעויות) בלמידה. שימוש במומחה, ואפילו גלגלי אימון, שיעזרו לתמוך באופניים בזמן שהילד לומד מועיל. בסופו של דבר ילדים כן לומדים לרכוב על האופניים טוב מאוד".
ג'וזף ברודריק, MD, פרופסור במכללה לרפואה של UC, יועץ בכיר במכון למדעי המוח של UC גרדנר ומנהל מרכז התיאום הלאומי NIH StrokeNet
ברודריק ועמיתיו השוו את השימוש בלמידת מכונה (ML) עם AI גנרטיבי ביישומי שבץ.
למידת מכונה מאמנת מודלים של בינה מלאכותית על מערך נתונים מובנה ואוצר אנושי כדי לסווג או לחזות תוצאות הידועות בשם "האמת הבסיסית". אמנם נדרש מאמץ אנושי יותר כדי להכשיר את המודלים הללו עם מערכי נתונים גדולים, אבל רוב למידת המכונה יכולה להיעשות ביעילות עם כוח מחשוב סטנדרטי.
"יתרון מרכזי של מודלים אלה של ML הוא שהשיטות שלהם בדרך כלל ניתנות לפירוש יותר ותהליך קבלת ההחלטות שלהם שקוף יותר, כך שניתן להבין אותם ולעקוב אחריהם, וזה קריטי לאימות רפואית ולסבירות ביולוגית", כתבו המחברים.
בינה מלאכותית גנרית מאומנת על גופי טקסט מסיביים ללא תווית מהאינטרנט, ספרים וכתבי עת לפני שהם מכוונים עדין על קבוצות נתונים מיוחדות יותר. זה אומר בדרך כלל פחות התערבות אנושית באימון המודל, אבל זה דורש כוח מחשוב וחשמל מסיביים.
"למודלים (בינה מלאכותית) עצמם יש מיליארדי או טריליונים של פרמטרים, אבל הם פועלים כ'קופסה שחורה', מה שמקשה על הבנה מלאה כיצד או מדוע נוצרה פלט ספציפי", אמרו המחברים. "ההסבר של מודלים של שפה גדולים הוא תחום מחקר פעיל."
בין אם משתמשים במודלים של למידת מכונה או מודלים יצירתיים, חוקרי שבץ מוחי יצטרכו להיות פרואקטיביים כדי לוודא שמערכות הנתונים יציבות וחשבון על נתונים מיצרני סורקים שונים, מוסדות ומטופלים כדי לשפר את יכולת ההכללה.
"אם אנו משתמשים בנתונים גרועים או מוגבלים ומומחים אנושיים לא מתקנים את הנתונים או הסיווגים הרעים, AI יכול לייצר המלצות לא מדויקות ושגויות", אמר ברודריק. "הדאגה הגדולה ביותר שלי היא כאשר AI מאומן על נתונים גרועים ונותן תשובות שיכולות להזיק."
החוקרים יצטרכו גם לפתח פרוטוקולים ואמצעי הגנה קפדניים כדי לשמור על מידע המטופל שישמש להכשרת המודלים פרטיים ותואמי HIPAA. זה יכול להיראות כמו צדדים שלישיים עצמאיים כמו איגוד הלב האמריקני שאוספים באופן מרכזי נתוני חולים אנונימיים לפני שהם מוזנים למודלים של AI, או אימון מודלים עם נתונים רק מכל מוסד בודד לפני שיתוף הפרמטרים הנלמדים בצורה רחבה יותר.
"הגנה על פרטיות המטופל מהווה אתגר מרכזי לשימוש בנתונים קליניים להכשרת בינה מלאכותית בתחום הבריאות, ושיתוף אפילו של נתונים לא מזוהים בין מדינות הופך למאתגר יותר על ידי חוקים שונים לגבי שיתוף נתונים במדינות שונות", כתבו המחברים. "שיטות חדשות לפיתוח מודלים טומנות בחובן הבטחה לטפל בחלק מדאגות הפרטיות הללו".
לאחר שמודלים חזקים של AI שבץ מוחי פותחו ואומתו על ידי בני אדם, אמר ברודריק כי יישומים פוטנציאליים כוללים זיהוי טוב יותר של משתתפי ניסוי פוטנציאליים, העברת עיצובי ניסוי למטופלים בשפת הנבדקים, תרגום מידע ניסוי לשפות שונות עבור מטופלים שאינם דוברי אנגלית וסיוע בזיהוי הטיפול הטוב ביותר עבור כל מטופל בודד.
"דיברנו על רפואה מדויקת כבר זמן מה, אבל בינה מלאכותית היא צעד גדול קדימה כדי להשיג זאת", אמר.
בנוסף לבינה מלאכותית, המחברים דנו בעיצובי ניסויים קליניים חדשים, כמו ניסויי פלטפורמה, שיכולים לבדוק ביעילות רבה יותר מספר שאלות מחקר בו-זמנית ולהוסיף שאלות חדשות ככל שהתשובות לשאלות ישנות יותר. מוקד מרכזי נוסף לעתיד הוא ניסויים פרגמטיים, שמטרתם להעריך את היעילות של טיפולים כאשר הם מיושמים בטיפול קליני שגרתי ולא בתנאים אידיאלים.
על ידי השוואת טיפולים קיימים, הטמעת נהלי ניסוי בתהליכי עבודה קליניים רגילים ושימוש בנתונים מתיק הבריאות האלקטרוני, חוקרים וארגונים יכולים להוזיל את העלויות הכרוכות בסוגים אלה של ניסויים פרגמטיים ולפשט את התשתית שלהם. בתקווה עיצובים פרגמטיים מגדילים את הסיכוי שניסוי יתבצע בהצלחה, בזמן ובזול.
לבסוף, קהילת חוקרי השבץ זקוקה ליותר מעורבות קהילתית ומטופלת. זה צריך לכלול מידע מהצוות הרפואי על הקרקע (EMTs, רופאים במתקני העברה וקבלה, ומתאמי מחקר) אשר רושמים ומטפלים בחולי שבץ בניסויים קליניים.
יש לקבוע מטרות משותפות לניסוי כדי למזער את עומס המטופל והחוקר בהשתתפות בניסוי, להרחיב את ההשתתפות בניסוי למסגרות מבוססות קהילה במידת האפשר, ולהפיץ במהירות את תוצאות הניסוי לחולים, לרופאים ולציבור.
"העתיד בהיר, ואנו נתקדם מאוד במחקר עם הכלים החדשים הללו", אמר ברודריק. "במקביל, המבחן האמיתי של העידן הנוכחי שלנו עם ההתרחבות המהירה של AI לתוך חיי היומיום שלנו הוא זיהוי נתונים מדויקים ואמיתות בתוך ים של מילים, תמונות וסרטונים שעלולים להיות שגויים, מזיקים או לא מדויקים".
"אש יכולה לשרוף בית באותה קלות שהיא מחממת את הגוף או מבשלת ארוחה", המשיך. "AI היא שריפה שמתפשטת במהירות, אבל אנחנו רק מתחילים ללמוד כיצד להשתמש בה בצורה בטוחה וחכמה".
