Sztuczna Inteligencja przewidzi chorobę 10 lat wcześniej

Nowy model sztucznej inteligencji, Delphi-2M, potrafi oszacować długoterminowe ryzyko wystąpienia ponad 1000 chorób i przewiduje zmiany stanu zdrowia człowieka z ponad dziesięcioletnim wyprzedzeniem – informuje w dniu 17 września „Nature”.

Sztuczna Inteligencja przewidzi chorobę z dużym wyprzedzeniem

.Ten generatywny model AI opracowali naukowcy z Europejskiego Laboratorium Biologii Molekularnej (EMBL), Uniwersytetu w Kopenhadze i Niemieckiego Centrum Badań Nad Rakiem (DKFZ). Stworzono go wykorzystując koncepcje algorytmiczne podobne do stosowanych w dużych modelach językowych (LLM).

Delphi-2M został wytrenowany na zanonimizowanych danych pacjentów pochodzących od 400 000 uczestników brytyjskiego Biobanku, a przetestowany na danych 1,9 miliona osób z Duńskiego Krajowego Rejestru Pacjentów. Chociaż nie jest jeszcze gotowy do bezpośredniego zastosowania klinicznego, oferuje nowe sposoby badania chorób i lepszego planowania strategii opieki zdrowotnej. Zdaniem autorów w przyszłości na podstawie dostępnej dokumentacji medycznej można będzie przewidzieć, z jakimi problemami zdrowotnymi pacjent może się liczyć w ciągu kolejnych dwóch dekad.

„Nasz model to dowód słuszności koncepcji, pokazujący, że sztuczna inteligencja jest w stanie nauczyć się wielu długoterminowych wzorców zdrowotnych i wykorzystać te informacje do generowania sensownych prognoz” – powiedział Ewan Birney, tymczasowy dyrektor wykonawczy Europejskiego Laboratorium Biologii Molekularnej (EMBL). „Modelując rozwój chorób w czasie, możemy zacząć badać, kiedy pojawiają się określone zagrożenia i jak najlepiej zaplanować wczesną interwencję. To duży krok w kierunku bardziej spersonalizowanego i profilaktycznego podejścia do opieki zdrowotnej” – dodał.

Tak jak duże modele językowe potrafią uczyć się struktury zdań, Delphi-2M uczy się „gramatyki” danych zdrowotnych, aby modelować historie chorób jako sekwencje zdarzeń rozwijających się w czasie. Do zdarzeń tych należą diagnozy lekarskie lub czynniki związane ze stylem życia, takie jak palenie tytoniu. Model uczy się prognozować ryzyko chorób na podstawie kolejności występowania tych zdarzeń i czasu, jaki upływa między nimi.

Model sprawdza się szczególnie dobrze w przypadku schorzeń o wyraźnych i spójnych wzorcach progresji, takich jak niektóre rodzaje nowotworów, zawały serca i posocznica, która jest rodzajem zakażenia krwi. Mniej wiarygodne są prognozy dotyczące bardziej zmiennych schorzeń, jak zaburzenia zdrowia psychicznego lub powikłania związane z ciążą, które zależą od nieprzewidywalnych zdarzeń życiowych.

Delphi-2M określa prawdopodobieństwo chorób

.Podobnie jak prognozy pogody, Delphi-2M pozwala określić prawdopodobieństwo, ale nie daje pewności. Nie przewiduje dokładnie, co stanie się z daną osobą, ale oferuje dobrze skalibrowane szacunki prawdopodobieństwa wystąpienia określonych schorzeń w danym okresie – na przykład prawdopodobieństwo rozwoju choroby serca w ciągu najbliższego roku. Systematyczna ocena danych z UK BioBank, niewykorzystanych do celów szkoleniowych, wykazała, że obliczone ryzyko dobrze odpowiada obserwowanej liczbie przypadków w grupach wiekowych i płciowych.

Model jest skalibrowany tak, aby generować dokładne szacunki ryzyka na poziomie populacji, prognozując częstotliwość występowania określonych schorzeń w grupach ludzi. Jednak, jak każdy model sztucznej inteligencji, ma on ograniczenia. Na przykład, ponieważ dane treningowe modelu z brytyjskiego Biobanku pochodzą głównie od osób w wieku 40–60 lat, zdarzenia zdrowotne w dzieciństwie i okresie dojrzewania są niedoreprezentowane. Model zawiera również błędy demograficzne wynikające z luk w danych treningowych, w tym niedostateczną reprezentację niektórych grup etnicznych.

Chociaż model nie jest jeszcze gotowy do użytku klinicznego, już teraz może on pomóc badaczom zrozumieć, jak choroby rozwijają się i postępują w czasie oraz zbadać, jak styl życia i przebyte choroby wpływają na długoterminowe prawdopodobieństwo wystąpienia chorób. Można również symulować wyniki zdrowotne z wykorzystaniem sztucznych danych pacjentów w sytuacjach, gdy trudno jest uzyskać dostęp do rzeczywistych danych.

Europejskie Laboratorium Biologii Molekularnej (EMBL) przewodzi i koordynuje działalność w zakresie nauk przyrodniczych w całej Europie, zapewnia szkolenia dla studentów i naukowców, napędza rozwój nowych technologii i metod w naukach przyrodniczych oraz oferuje najnowocześniejszą infrastrukturę badawczą. EMBL jest organizacją międzyrządową zrzeszającą 29 państw członkowskich, jedno stowarzyszone i dwa przyszłe państwa członkowskie. W sześciu ośrodkach EMBL w Barcelonie, Grenoble, Hamburgu, Heidelbergu, Hinxton koło Cambridge i Rzymie naukowcy starają się lepiej zrozumieć życie w jego naturalnym kontekście, od cząsteczek po ekosystemy.

Pięć filarów rozwoju sztucznej inteligencji w Polsce

.Polska przespała ostatnie siedem lat i chyba nadal się nie obudziła. Nie ma nas na mapach najważniejszych klastrów rozwijających naukę i technologię. Dane Eurostatu wykorzystania technologii AI w przedsiębiorstwach pokazują, że jesteśmy na końcu rankingu krajów EU, tylko przed Rumunią – pisze prof. Włodzisław DUCH.

Ministerstwo Cyfryzacji opracowało dokument „Polityka rozwoju sztucznej inteligencji w Polsce do 2030 roku” (64 strony). Pod koniec roku 2020 uchwalono podobny dokument „Polityki dla rozwoju sztucznej inteligencji w Polsce od roku 2020” (71 stron). Za obydwa dokumenty odpowiada „minister właściwy do spraw informatyzacji”, czyli Ministerstwo Cyfryzacji. Celem jest wskazanie działań, które wzmocnią pozycję Polski na arenie międzynarodowej jako jednego z liderów “Kontynentu AI”.

Oczywiście było już wiele innych dokumentów strategicznych dotyczących cyfryzacji, rozwoju gospodarki, opieki zdrowotnej, w tym opracowanie „Resortowa Strategia Sztucznej Inteligencji do roku 2039” (MON). To ambitne cele, ale nie mamy obecnie wyobrażenia o tym, jak daleko zajdzie sztuczna inteligencja w ciągu następnych 2-3 lat. Dlatego potrzebujemy strategii adaptacyjnej, dostosowującej się do zmieniającej się sytuacji, w której co miesiąc mamy nowe systemy AI o coraz większych możliwościach.

Kluczem staje się adaptacja, stworzenie takich warunków, w których „Efektywna współpraca nauki, sektora publicznego oraz biznesu umożliwi rozwój i implementację najnowszych technologii cyfrowych oraz odpowiednie ich wykorzystywanie”, jak słusznie czytamy w opracowaniu polityki rozwoju na następne 5 lat. Dokument ten powstał w oparciu o kilka opracowań, w tym raportu „Gdzie jest polska nisza AI i jak ją wykorzystać” (Polski Instytutu Ekonomiczny), „Rekomendacji merytorycznych do dokumentu Polityka Rozwoju Sztucznej Inteligencji w Polsce 2025-2030” (GRAI, Grupa Robocza ds. Sztucznej Inteligencji), studium SMART, „Transformacja Polski dzięki wykorzystaniu inteligentnych rozwiązań cyfrowych”, i kilku innych opracowań. 

Wiedząc, jak złożonym zagadnieniem jest cyfryzacja, a w szczególności jak szybko rozwija się sztuczna inteligencja, warto się zastanowić nad propozycją konkretnych działań. W 2008 roku Unia Europejska powołała Europejski Instytut Innowacji i Technologii (EIT), z siedzibą w Budapeszcie, którego zadaniem jest integracja badań naukowych, biznesu i sektora publicznego. To model znany jako “trójkąt wiedzy”, KIC, Knowledge and Innovation Communities. Powstało osiem takich wspólnot wiedzy, zajmujących się wielkimi wyzwaniami: klimatem, energią, materiałami, zdrowiem, żywnością, transportem, produkcją przemysłową i cyfryzacją. Polska bierze w nich udział, ale próżno szukać wzmianki o takich działaniach w dokumentach na temat polityki rozwoju AI. Wspomniano tylko, że „Efektywna współpraca nauki, sektora publicznego oraz biznesu umożliwi rozwój i implementację najnowszych technologii cyfrowych oraz odpowiednie ich wykorzystywanie.”

.W 2015 roku zostawiłem nowej ekipie MNiSW 13 stron uwag na temat najważniejszych spraw dotyczących nauki, innowacji, współpracy międzynarodowej i informatyzacji. Niestety troska o rozwój naszego kraju nie jest zwykle priorytetem dla odchodzącej władzy, która stara się utrudnić nowej ekipie realizację toczących się działań. Nic dziwnego, że autorzy kolejnych strategii o działaniach toczących się od kilkunastu lat nie wspominają. W rozwój wspólnot wiedzy zainwestowano spore środki, zarówno z programów EIT jak i krajowych, warto więc zrobić przegląd wyników i wykorzystać je w obecnej polityce rozwoju. 

Tekst dostępny na łamach Wszystko co Najważniejsze: https://wszystkoconajwazniejsze.pl/prof-wlodzislaw-duch-sztuczna-inteligencja-w-polsce

PAP/Paweł Wernicki/MJ