Fræðigrein

                                            
                                            Gervigreindar tölvur og vélmenni munu í framtíðinni sinna ýmsum af
                                            þeim verkum serm í dag eru unnin af læknum.
                                            NordicPhotos/Getty

Undanfarna áratugi hafa orðið gríðarlega hraðar tækniframfarir sem ekki sér fyrir endann á. Ekki eru nema rúmlega 50 ár síðan fyrstu tölvurnar komu fram og voru þær keyrðar á forritum sem skráð voru á gataspjöld. Í dag er vinnslugeta venjulegs snjallsíma miklu meiri en þeirra tölva sem stjórnuðu geimflaugum Apolloáætlunarinnar.¹

                                                    
                                            Líklegt er að í framtíðinni muni gervigreind vélmenni í auknum mæli
                                            taka þátt í eftirliti og jafnvel umönnun sjúklinga.
                                            NordicPhotos/AFP

Eitt afsprengi þessara framfara eru tölvur sem gæddar eru því sem nefnt hefur verið gervigreind (artificial intelligence). Slíkar tölvur geta leyst verkefni sem áður var talið að einungis mannshugurinn réði við. Þó að mannsheilinn sé öflugur og settur saman af um milljarði taugunga sem hver um sig myndar um 1000 tengingar við aðrar taugafrumur er hann langt frá því að vera óskeikull og geta hans til að muna og varðveita upplýsingar er í raun afar takmörkuð þegar hún er borin saman við ofurtölvur nútímans.

Þróun gervigreindar hefur leitt til þess að tölvur geta lært af reynslu sinni, bætt sig stöðugt og jafnvel þróað sjálfar nýjar aðferðir við að leysa verkefni. Þetta hefur verið nefnt vélnám, eða machine learning á ensku. Þessar tækniframfarir eru einn af meginþáttum svokallaðrar fjórðu iðnbyltingarinnar sem mikið hefur verið rætt um á undanförnum misserum og spáð er að muni hafa gríðarleg áhrif á líf og störf fólks í náinni framtíð.²

Verkefni sem gervigreindar tölvur nútímans geta leyst eru til dæmis að greina talað mál og svara flóknum spurningum sem fyrir þær eru lagðar og að geta lært að greina og þekkja flókin mynstur eins og andlit. Flókin reiknirit tölva eða svokallaðir algoritmar (ísl. algrím) eru jafnt og þétt að taka yfir ýmis verkefni og störf sem þar til fyrir aðeins nokkrum árum síðan voru talin vera það flókin að mannshugurinn einn réði við að framkvæma þau. Í dag er ljóst að mörg störf munu í framtíðinni verða að hluta eða öllu leyti unnin af gervigreindum tölvum sem geta lagað sig að margbreytilegum aðstæðum og lært af reynslu sinni. Áhrifa þessarar þróunar er þegar farið að gæta, til dæmis í bankastarfsemi og í ferðaþjónustu þar sem störfum fer jafnt og þétt fækkandi.

Flest eigum við í reglulegum samskiptum við gervigreindar tölvur með því að nota leitarvélar eins og Google. Því er spáð að gervigreind muni gegna lykilhlutverki í mörgum tæknibyltingum framtíðarinnar, til dæmis er líklegt að sjálfkeyrandi bifreiðar verði komnar í almenna notkun á næstu árum og er talið að sú þróun muni geta dregið verulega úr bílaumferð og fækkað umferðarslysum um allt að 90%.³

 

Tækniframfarir í læknisfræði

Gervigreind verður sífellt fyrirferðarmeiri í framþróun og nýjungum innan læknisfræði og annarra heilbrigðisgreina og munu framfarir að öllum líkindum verða mun meiri á næstu 10 árum en þær hafa verið á síðustu 100 árum.⁴ Dæmi um mögulega nýtingu gervigreindar í læknisfræði framtíðar eru tölvur sem geta lesið og greint upplýsingar úr rafrænum sjúkraskrám og niðurstöður klínískra rannsókna og þannig aðstoðað við sjúkdómsgreiningar og ákvarðanir um meðferð.⁵

Í ýmsum greinum læknisfræði er unnið að þróun reiknirita sem vinna með gríðarstór gagnasöfn og geta jafnframt nýtt upplýsingar úr vísindarannsóknum við greiningu og meðferð sjúkdóma, til dæmis ýmissa krabbameina.⁶ Í húðlækningum er byrjað að nota tölvur sem hafa lært að greina illkynja húðbreytingar út frá myndum og rannsóknir á greiningu sykursýkisskemmda í augnbotnum með samskonar tækni lofa mjög góðu.^7,8 Möguleikarnir eru einnig miklir í myndgreiningu (röntgen) og vefjameinafræði þar sem gervigreindar tölvur munu geta lært að þekkja sjúklegar breytingar af mikilli nákvæmni og jafnvel betur en mannsaugað.⁹ Víða er verið að taka í notkun lækningatæki og vélmenni sem gædd eru gervigreind til dæmis við blöndun og gjöf lyfja og í náinni framtíð er líklegt að slík tæki munu framkvæma nánast að öllu leyti ýmsar skurðaðgerðir.^10,11

Gervigreindar tölvur og vélmenni munu í framtíðinni gegna mikilvægu hlutverki við vöktun og eftirlit með sjúklingum á sjúkrastofnunum og jafnvel sjá að einhverju leyti um umönnun fólks. Þegar eru til vélmenni, svokallaðir carebots, sem hjálpa fólki með vitræna skerðingu og aðstoða heilbrigðisstarfsfólk við að eiga samskipti við einstaklinga sem erfitt getur verið að ná til, eins og börn með einhverfu.^12,13 Í þessu sambandi er mikilvægt að menn séu meðvitaðir um þau fjölmörgu siðferðilegu álitaefni sem óhjákvæmilega koma upp þegar rætt er um notkun véla við samskipti og umönnun sjúklinga.

Margar grunnrannsóknir í læknisfræði fela í sér úrvinnslu og greiningu á gríðarstórum gagnasöfnum sem eru bæði óheyrilega flókin og tímafrek. Sem dæmi má nefna sameindaerfðafræði þar sem verið er að rannsaka mikinn fjölda erfðabreytileika sem geta með margvíslegum hætti tengst sjúkdómsáhættu. Vísindamenn vinna nú að því að beita gervigreind og vélnámi við að greina tengsl erfðabreytileika við meingerðarferli fjölda sjúkdóma.¹⁴ Þessar aðferðir munu vafalítið einnig nýtast í auknum mæli við leit að nýjum lyfjum þar sem gervigreindar tölvur geta skoðað sameindabyggingu efna hratt og í miklum smáatriðum og spáð fyrir um hvernig þau passa til dæmis við viðtaka á yfirborði frumna.¹⁵

 

Persónumiðuð læknisfræði

Framfarir síðustu ára hafa einnig hjálpað til við þróun svokallaðrar persónumiðaðrar læknisfræði (personalized medicine). Hún felur í sér nýtingu ýmiss konar upplýsinga um einstaklinginn til þess að auka nákvæmni greininga og gera mönnum kleift að sérsníða meðferð fyrir einstaka sjúklinga. Möguleikarnir á þessu sviði tengjast ekki síst hratt vaxandi þekkingu á erfðafræði ýmissa sjúkdóma. Þannig geta erfðaupplýsingar í vissum tilfellum spáð fyrir um áhættu á ákveðnum sjúkdómum eða um það hvernig einstaklingur er líklegur til að þola eða svara ákveðinni lyfjameðferð. Þetta getur til dæmis hjálpað til við val á lyfi og æskilegum skammti þess og dregið úr líkum á því að sjúklingur sé settur á lyf sem er ólíklegt að virki eða er líklegt til að þolast illa.

Þessi þróun getur haft þá kosti að meðferð verður markvissari  þar sem valin er meðferð sem er líklegri til að skila árangri í viðkomandi tilfelli en byggir ekki á rannsóknum og reynslu af meðferð hópa sjúklinga sem eiga lítið annað sameiginlegt en að vera með ákveðna sjúkdómsgreiningu. Einnig getur þessi nálgun stuðlað að því að ýmsar lífsstílsráðleggingar verði markvissari þar sem nýttar eru upplýsingar um samsetningu þeirra áhættuarfgerða sem einstaklingurinn er með. Rannsóknir benda til þess að sjúklingar séu bæði ánægðari með og líklegri til að fylgja meðferðar- og lífsstílsleiðbeiningum þegar þær eru byggðar á þeirra eigin upplýsingum.¹⁶

Gervigreind og vélnám mun eflaust flýta fyrir þróun einstaklingsmiðaðrar læknisfræði. Dæmi um slíka möguleika eru myndgreiningarrannsóknir á heila til að meta hættuna á að einstaklingar með byrjunareinkenni geðrofs þrói með sér alvarlega og langvinna geðrofssjúkdóma eins og geðklofa.¹⁷ Vitað er að aðeins um þriðjungur þessara einstaklinga fá að endingu geðrofssjúkdóm en hinir ýmist losna við einkenni eða fá aðrar geðraskanir. Nýlegar rannsóknir með segulómun hafa sýnt að hópurinn sem fær geðrofssjúkdóm er með breytingar í hvíta efni heilans á ákveðnum stöðum en þessar breytingar sjást ekki hjá þeim sem ekki þróa með sér geðrofssjúkdóm.¹⁸ Rannsakendur á þessu sviði hafa beitt vélnámi þar sem gervigreindar tölvur læra að þekkja þessar breytingar út frá miklum fjölda segulómmynda. Í langflestum tilfellum myndu þessar breytingar ekki greinast við hefðbundna skoðun á segulómmynd en niðurstöður þessara rannsókna hafa sýnt að tölvur greina breytingarnar í allt að 90% þeirra sem fá geðrofssjúkdóm og líklegt er að sú tala geti hækkað með áframhaldandi vélnámi.¹⁷

Á næstu árum mun læknisfræði verða sífellt einstaklingsmiðaðri sem mun væntanlega leiða til nákvæmari sjúkdómsgreininga og markvissari og öruggari meðferða.

 

Fækkar læknisstörfum í framtíðinni?

Þó að ýmsir spái því að gervigreind og önnur hátækni muni leysa stóran hluta lækna framtíðarinnar af hólmi eru enn margir sem telja að þörf fyrir lækna muni ekki minnka heldur muni tækniframfarir gera læknum betur kleift að einbeita sér að því sem mestu máli skiptir: að sinna samskiptum við sjúklinga og finna nýjar leiðir til þess að bæta heilsu fólks.^19,20 Bent hefur verið á að margir þeirra sem spá yfirtöku gervigreindar í læknisfræði hafa afar takmarkaða þekkingu og reynslu af heilbrigðisþjónustu og í þessu sambandi hafa verið nefnd nokkur atriði sem mæla sterklega gegn því að gervigreind muni gera lækna óþarfa í framtíðinni. Í fyrsta lagi munu vélar seint geta sýnt samkennd og byggt upp traust í samskiptum með sama hætti og lifandi læknar en hvort tveggja eru afar mikilvægir þættir læknisstarfsins. Margt í starfi lækna krefst þess líka að menn geti hugsað út fyrir kassann og leitað að óvenjulegum ástæðum fyrir veikindum sjúklinga, en líklega munu alltaf verða til óvenjulegar og sjaldgæfar orsakir sjúkdóma sem reiknirit gervigreindra tölva geta illa greint. Hins vegar munu þessar tækniframfarir geta leitt til aukins öryggis í heilbrigðiskerfinu.

Í nútímalæknisfræði eru mörg verkefni sem krefjast þess að unnið sé með mikið magn upplýsinga, til dæmis um mögulegar aukaverkanir og milliverkanir lyfja eða niðurstöður fjölda blóðrannsókna. Þetta eru upplýsingar sem færustu læknar geta misst af eða gleymt að taka tillit til og það getur leitt til mistaka sem geta haft alvarlegar afleiðingar. Öflugar tölvur sem búnar eru gervigreind geta haldið utan um gríðarlegt magn upplýsinga og lært að greina hættuleg frávik á augabragði. Þær geta því verið afar gagnlegar sem hjálpartæki við klíníska vinnu og dregið úr hættu á mistökum.⁵   

Líklega er ekki rétt að líta á hinar hröðu tækniframfarir sem ógn við framtíð læknisstarfsins eða að stilla þeim upp sem einhvers konar andstæðu við manninn. Framfarir í læknisfræði munu ráðast af því hvernig hinar öru tækniframfarir munu nýtast læknum og öðru heilbrigðisstarfsfólki við að auka áreiðanleika sjúkdómsgreininga, hraða greiningu og meðferð ásamt því að draga úr sóun, sem í dag er meðal annars er fólgin í því að fólk eyðir miklum tíma í einföld og tímafrek verk í stað þess að nýta dýrmætan tíma sinn til beinna samskipta við sjúklinga og vinna að framþróun og nýjungum í sínu fagi.

 

Fjölmargar áskoranir í læknisfræði

Þó svo að við horfum fram á miklar framfarir innan læknisfræði í náinni framtíð verða áskoranirnar vafalítið áfram mjög margar. Fjölgun aldraðra og þeirra sem þjást til dæmis af offitu, sykursýki og heilabilunarsjúkdómum mun leiða til aukins kostnaðar og álags á velferðarkerfi svo að ljóst er að huga þarf að grundvallarbreytingum á heilbrigðiskerfum Vesturlanda þar sem núverandi kerfi munu ekki ráða við hratt vaxandi þjónustuþarfir ört stækkandi hóps fólks með langvinna sjúkdóma. Eftirlit og þjónusta mun þurfa að færast í auknum mæli út í samfélagið þar sem fylgst verður með sjúklingum með hjálp ýmissa tækja sem senda upplýsingar jafnóðum til lækna og annars heilbrigðisstarfsfólks. Gervigreind mun vafalítið gegna mikilvægu hlutverki við að vinna úr sífellt auknu magni mælinga og upplýsinga og aðstoða við sjúkdómsgreiningar og ákvarðanir um meðferð ásamt því að auka öryggi og koma í veg fyrir mistök.  

 

Heimildir

1. www.zmescience.com/research/technology/smartphone-power-compared-to-apollo-432/
2. www.weforum.org/agenda/2018/05/society-reboot-operating-system-fourth-industrial- revolution/ - nóvember 2018.
3. www.sciencealert.com/driverless-cars-could-reduce-traffic-fatalities-by-up-to-90-says- report - nóvember 2018.
4. Wadhwa V. Medicine will advance more in the next 10 years than it did in the last 100. Stanford University 2016, https://singularityhub.com/2016/10/26/medicine-will-advance-more-in-the-next-10-years-than-it-did-in-the-last-100/ - nóvember 2018.
5. Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol 2017 2: 230-43.
6. Shafique S, Tehsin S. Computer-aided diagnosis of acute lymphoblastic leukemia. Comput Math Methods Med 2018; 2018: 6125289. https://doi.org/10.1155/2018/6125289 PMid:29681996 PMCid:PMC5851334
7. Mar VJ, Soyer HP. Artificial intelligence for melanoma diagnosis: How can we deliver on the promise? Ann Oncol 2018; 29: 1625-28. https://doi.org/10.1093/annonc/mdy193 PMid:29846499
8. Du XL, Li WB, Hu BJ. Application of artificial intelligence in ophthalmology. Int J Opthalmol 2018; 11: 1555-61. PMid:30225234 PMCid:PMC6133903
9. Nichols JA, Chan HW, Baker MAB. Machine learning: applications of artificial intelligence to imaging and diagnosis. Biophys Rev 2018; Epub.
10. Brodie A, Vasdev N. The future of robotic surgery. Ann R Coll Surg Engl 2018; 100 (Suppl 7): 4-13. https://doi.org/10.1308/rcsann.supp2.4 PMid:30179048
11. Palma E, Bufarini C. Robotized compounding of oncology drugs in a hospital pharmacy. Int J Pharm Compd 2014; 18: 358-64. PMid:25577883
12. Sartorato F, Przybylowski L, Sarko DK. Improving therapeutic outcome in autistic spectrum disorders: Enhancing social communication and sensory processing through the use of interactive robots. J Psychiatr Res 2017; 90: 1-11. https://doi.org/10.1016/j.jpsychires.2017.02.004 PMid:28213292
13. Darragh M, Ahn HS, MacDonald B, Liang A, Peri K, Kerse N, et al. Homecare Robots to Improve Health and Well-Being in Mild Cognitive Impairment and Early Stage Dementia: Results From a Scoping Study. J Am Med Dir Assoc 2017; 18: 1099. https://doi.org/10.1016/j.jamda.2017.08.019 PMid:28974463
14. Schrider DR, Kern AD. Supervised Machine Learning for Population Genetics: A New Paradigm. Trends Genet 2018; 34: 301-12. https://doi.org/10.1016/j.tig.2017.12.005 PMid:29331490 PMCid:PMC5905713
15. Panteelev J, Gao H, Jia L. Recent applications of machine learning in medicinal chemistry. Bioorg Med Chem Lett 2018; 28: 2807-15. https://doi.org/10.1016/j.bmcl.2018.06.046 PMid:30122222
16. Everett E, Kane B, Yoo A, Dobs A, Mathioudakis N. A Novel Approach for Fully Automated, Personalized Health Coaching for Adults with Prediabetes: Pilot Clinical Trial. J Med Internet Res 2018; 20: e72. https://doi.org/10.2196/jmir.9723 PMid:29487046 PMCid:PMC5849796
17. Gifford G, Crossley N, Fusar-Poli P, Schnack HG, Kahn RS, Koutsouleris N, et al. Using neuroimaging to help predict the onset of psychosis. Neuroimage 2017; 145: 209-17. https://doi.org/10.1016/j.neuroimage.2016.03.075 PMid:27039698
18. Ziermans TB, Schothorst PF, Schnack HG, Koolschijn PC, Kahn RS, van Engeland H, et al. Progressive structural brain changes during development of psychosis. Schizophr Bull 2012; 38: 519-30. https://doi.org/10.1093/schbul/sbq113 PMid:20929968 PMCid:PMC3329986
19. Susskind R, Susskind D. Technology will replace many doctors, lawyers and other professionals. Harvard Business Review 2016. hbr.org/2016/10/robots-will-replace-doctors- lawyers-and-other-professionals. - nóvember 2018.
20. racma.edu.au/index.php?option=com_content&view=article&id=936&Itemid=714