Praktický přínos umělé inteligence (AI) je pro mnoho lidí stále záhadný. Většina z nich žije v domnění, že strojová inteligence se nachází ve dvou stavech – buďto je hloupější než lidé, anebo chytřejší.

Mohlo by se tak zdát, že třeba ve zdravotnictví nastoupí AI doktoři až v okamžiku, kdy vytvoříme umělou bytost. Nejnovější studie z Oxfordu ale připomíná, že realita bude úplně jiná.

Ten, kdo vidí pět let dopředu

Výzkumníci pod vedením profesora Charalamba Antoniada s pomocí strojového učení vyvinuli technologii, která může pomáhat odhalit riziko infarktu myokardu až pět let předem. Závěry jejich studie byly kromě odborné publikace zveřejněny také na nedávné European Society of Cardiology.

Rozdílné strojové učení bylo v posledních dvou letech využito také při diagnostice pacientů. Loni se tak objevila práce, která detekuje přítomnost srdeční poruchy jenom z pohledu do krevních žilek v lidském oku. A od podobných diagnostických nástrojů se očekávají velké věci. Antoniadova studie ovšem tenhle typ AI nevyužívala.

Namísto toho sáhla po jiném nadějném typu medicínského strojového učení, totiž AI schopné rychle analyzovat a katalogizovat proteiny. Na Oxfordu tak vyvinuli nový biomarker radiomického druhu (Fat Radiomic Profile, FRP), který pomáhá odhalovat zánět a škodlivé změny krevních buněk souvisejících s horší průchodností cév, a tak i rizikem infarktu.

Průřez srdce poškozeného infarktem | zdroj: Profimedia

FRP metoda by mohla doplnit již dnešní používané CT skeny. V případě, že si pacient stěžuje na bolest na hrudi či jiné symptomy odpovídající riziku infarktu, CT obvykle slouží k oddělení skutečného poplachu od toho falešného. Problém je, že u čtvrtiny "falešně" označených pacientů udeří infarkt později - možná za týden, možná za rok. CT si s těmito nešťastníky, kteří nespadali vlastně ani do škatulky akutního ohrožení, ani zcela zdravých lidí, nevěděl rady.

FRP by však skrze detailnější identifikaci odlišných biomarkerů uvnitř poškozených (či nepoškozených) krevních buněk mohl pomoct – z přítomnosti biomarkerů by totiž bylo jasnější, jestli pacient skutečně prodělal zhoršenou srdeční činnost, anebo nikoliv. 

Čím dál přesnější

Tato metoda vznikla poté, co Antoniadův tým analyzoval tkáňové biopsie 167 pacientů po operaci srdce a našel u nich geny spojené se zánětem a dalším poškozením krevních buněk. Ty poté srovnával s CT skeny stejných pacientů. Identifikoval tak základní mantinely metodiky a základní obrysy kýžených biomarkerů.

Až vylepšení přesnosti vlivem strojového učení je však skutečně zajímavé. Oxfordští vědci vyvinuli strojové učení, které vzalo původní předpoklady FRP a aplikovalo je na další data od stovek jiných pacientů. Čím více stroj srovnával CT skeny, biopsie a biomarkery, tím lépe se také modifikované FRP zpřesňovalo.

Konečná verze FRP podle dat ze sledování 1575 pacientů dosahuje vyšší přesnosti při odhalování rizika infarktu až pět let před jeho rozvojem než klinické metody. Nemůže samozřejmě určit den a hodinu infarktu. Může však napomoci pacientovi a lékařům k obezřetnější kontrole stavu pacienta – brzy třeba i pomocí nějakého chytrého přenosného zařízení.

"Díky využití výkonu umělé inteligence jsme byli s to odhalit otisk prstu špatných charakteristik v okolí tepen," řekl k výzkumu Antoniades, "To může být obrovským přínosem ve včasné detekci choroby a prevenci infarktů."

Dalším krokem bude klinického testování. To podobné závěry potvrdí či vyvrátí.

Je patrné, že umělá inteligence může zlepšit stávající lékařské postupy a mnoha lidem dokonce zachránit zdraví či život.

Studie byla publikována v časopise European Heart Journal.