Pojęcie sztucznej inteligencji (SI) pojawia się coraz częściej w literaturze medycznej¹. Co ono oznacza i jak może pomóc w codziennej praktyce lekarskiej – postaramy się wyjaśnić w artykule.

Wokół wykorzystania SI w medycynie narosło sporo pytań i kontrowersji. Z jednej strony, wiele osób zastanawia się, czy nie jest to zbędny, oderwany od rzeczywistości projekt stworzony przez informatyków, a może groźna konkurencja dla specjalistów z różnych dziedzin medycyny. Z drugiej strony, niemal każda specjalizacja może znaleźć co najmniej jedno zastosowanie SI usprawniające proces diagnozy lub leczenia. Dermatologia należy do specjalności, w których rozwój SI jest szczególnie dynamiczny. Zastosowanie tego typu narzędzi może stanowić przydatną pomoc i ułatwić pacjentom dostęp do opieki medycznej. Lekarze we współpracy z informatykami starają się, aby rozwiązania wykorzystujące SI były jak najbardziej użyteczne i szeroko dostępne w codziennej praktyce klinicznej, np. w postaci aplikacji na smartfony^1,2.

Główne kierunki rozwoju technologii SI

Pierwszym etapem wdrożenia SI do każdej dziedziny medycznej, a więc również do dermatologii, jest wybór problemów, które będzie można dzięki niej rozwiązać (albo wspomóc w tym zakresie ekspertów i klinicystów). Aby zrozumieć, jak przydatna może być technologia oparta na SI, ważna jest wiedza, w jakim celu i w jaki sposób da się ją wykorzystać – przy czym powinni nią dysponować nie tylko informatycy programujący tego typu narzędzia, ale przede wszystkim korzystający z nich lekarze. W związku z tym w ostatnim czasie kładzie się duży nacisk na rozwijanie tzw. Human AI (Human--Centered Artificial Intelligence), czyli SI skoncentrowanej na człowieku. Ten nurt powinien być podstawą rozważań dotyczących zapotrzebowania na narzędzia wykorzystujące SI oraz kierunku ich rozwoju w systemie ochrony zdrowia.

Zastosowanie SI w medycynie w dalszym ciągu budzi jednak wiele skrajnych emocji. Niechęć wobec nieznanej, zaawansowanej technologii oraz obawa przed utratą pracy na rzecz narzędzi elektronicznych – to odczucia towarzyszące części lekarzy praktyków...

Uczenie maszynowe i sieci neuronowe

Analiza zbiorów danych opisujących stan zdrowia wielu zdiagnozowanych już pacjentów pozwala na budowanie modeli predykcyjnych, które mogą wpłynąć na diagnozę nowych przypadków i znacząco ją przyspieszyć. Uczenie maszynowe to obszar SI skupiający s...