Știi c-a venit sfârșitul lumii când Google chiar poate să-ți arate exact ce boală ai

Una dintre cele mai dificile sarcini ale unui doctor este aceea de a diagnostica pe cineva cu cancer. Asta nu e doar din cauza efectelor care-ți schimbă radical viața, ci pentru că e surprinzător de subiectiv procesul de distincție a unei grupări anormale de celule de una benignă, potențial letală. Specialiștii deseori se contrazic. De exemplu, într-un studiu al biopsiilor la sân, acordul pentru diagnostic era în proporție de 48%, iar doctorii au ajuns la nivel individual la un consens de 75%. Ambele rate sunt incredibil de mici, iar cercetătorii apelează la computere pentru a îmbunătăți situația.

De ce doctorii se contrazic atât de des? Problema nu e faptul că nu știu ce caută, în general au un set de repere, pași de urmat pentru a ajunge la un diagnostic.

Însă ei se contrazic în legătură cu ce văd și cum se potrivește asta cu reperele stabilite. Doctorii nu se contrazic doar între ei, iar un studiu clasic din 1968 a descoperit că, atunci când au primit o copie de la un ulcer la stomac deja diagnosticat, medicii s-au contrazis cu ei înșiși și au ajuns la alte concluzii. În urmă cu aproape cinci decenii, cercetătorii atrăgeau atenția la un fenomen descris de studiu ca un nivel general de dezacord înspăimântător.

Cercetătorii de pe vremea aia au descoperit că un algoritm simplu ar putea fi mai consistent. Asta nu e o surpriză: un algoritm e doar un set de reguli de urmat. Ființele umane, în toată subiectivitatea lor, tind să aplice aceste reguli într-o manieră inconsistentă.

În schimb, computerele nu fac asta. Acel discernământ de bază, al faptului că diagnosticarea înseamnă identificarea corectă a reperelor și o interpretare consistentă, e un lucru la care calculatoarele ar putea fi mai bune decât oamenii. Asta a determinat cercetătorii contemporani să combine mecanisme computerizate de învățare cu baze de date, într-un efort de a automatiza diagnosticarea cancerului.

Ce înseamnă asta? Fundamental, semnifică să încarci o bază de date mare de imagini HD cu biopsii într-un program conceput pentru analizarea lor. Practic asta au creat și cercetătorii de la sfârșitul anilor '60. Cu ajutorul mașinăriilor care învață și a bazelor de date, cercetătorii pot crea algoritmi care îi ajută și îi antrenează cu informații despre un număr mare de pacienți.

E ca un doctor automatizat care revizuiește constant criteriile sale de diagnostic, pe baza a ceea ce vede în zeci de mii de biopsii. Acest patolog ideal, care învață mereu și nu doarme niciodată, ar putea completa partea umană și ar ajuta la standardizarea diagnosticării.

Asta-i ideea din spatele unui proiect recent de la Google, concentrat pe analizarea biopsiilor la sân. El folosește baza de date de la proiectul Camelyon16, care a provocat participanții să creeze și să rafineze algoritmii de detectare a cancerului. (Însă e o abordare diferită față de cea a supercompeterului de la IBM Watson, care a absorbit milioane de studii despre cancer și poate oferi un diagnostic în funcție de profilul medical al pacientului, care e deja folosit și antrenat în Asia.)

Conform blogului de cercetare Google, compania a demonstrat deja că poate concepe un model care să fie la fel de bun și chiar să depășească performanța unui patolog, deoarece dispune de un timp nelimitat de examinare a imaginilor. În cazul ăsta, patologul a petrecut treizeci de ore și a examinat 130 de imagini, ceea ce înseamnă că un asistent automatizat ar putea să salveze mult timp prețios, precum și să ajute la standardizarea diagnosticării.

În momentul de față încă mai există câteva limitări: de exemplu, algoritmii se concentrează în mod limitat pe anumite tipuri de cancer, pentru care deja au fost antrenați. Aceștia reprezintă niște specialiști care nu pot transcende domeniul lor de activitate și duc lipsa unui spectru de informații, ca al unui doctor specializat. Dar pentru moment, sunt buni la ceea ce fac și cel mai probabil vor deveni din ce în ce mai buni.

Traducere: Diana Pintilie