A világ, mondta az orvosi bioinformatika szakértője, sokkal bonyolultabb annál, hogy akár egy egyszerű kérdésre is frappáns tudományos választ adjunk. Ezért van szükség a modellek megalkotására, amelyek egyszerűsítenek és segítik a megértést. A mesterséges intelligencia – melynek egy részét többek között a neurális hálózatok reprezentálják – Bari professzor szerint a megismerésnek olyan új eszközrendszere, amely a korábbihoz képest forradalmasítani fogja a saját egészségünkre vonatkozó információk feldolgozását is.

Ez a megismerési forradalom a 2024-ben fizikai Nobel-díjat kapott John Hopfield kutatásaival kezdődött. Hopfield 1982-ben publikálta áttörő eredményét, amely szerint a központi idegrendszerben a neuronok összekapcsolódása nem folyamatos, hanem a kapcsolatok elgyengülhetnek és megerősödhetnek; vagyis e kapcsolatokat nem passzív, hanem aktív „vezetékek” látják el, amelyek akár használat közben újra épülhetnek, továbbá új kapcsolatok is kialakulhatnak. Ezekre a döntően neurobiológiai kutatásokra alapozva készítette el az amerikai fizikus a róla elnevezett Hopfield-hálózatot, amely a gépi tanulás meghatározó modellje lett. A 2024-ben vele együtt díjazott Geoffrey Hinton ehhez azt tette hozzá, hogy a tanulás nem pusztán egyrétegű, hanem, ahogyan a látó- és hallórendszerünk is sok kapcsolat útján erősít meg információkat, úgy a gépi tanulás is lehet többdimenziós.

Az első áttörések egyike az volt, amikor a sakkozó számítógép legyőzte Garri Kaszparovot. A sakkjátszmák sokaságát megtanítva ugyanis optimalizálni lehetett a gép számára a következő lépést. Az igazi áttörés pedig a go játékban történt, amely nem algoritmizálható úgy, mint a sakk, a gép mégis legyőzte az emberi játékost.

A mesterséges intelligencia alkalmazásai közül Dr. Bari Ferenc a képfelismerés és a gépi látás eredményeit tartja az első meggyőző sikernek; az első mesterséges intelligencia alapú képfelismerés a macskát el tudta különíteni a nem macskától (ehhez a Facebookra felvitt macskaképeket használták tanuló algoritmusként).

Ami az orvosi alkalmazásokat illeti, meglepő eredményeket jelentettek be a közelmúltban; egy tudományos cikk szerint 51 ezer szemfenéki kép elemzéséből 95%-os pontossággal meg lehet jósolni, hogy kit fog stroke érni. Kínai kutatók pedig azt közölték, hogy egy arcképről el lehet dönteni, milyen kardiovaszkuláris rizikófaktorai vannak az illetőnek, és az arckép elkészítésétől hány év múlva fognak ezek jelentkezni.

Dr. Bari Ferenc arra is felhívja a figyelmet, hogy a mesterséges intelligencia még inkább rávilágít világunk megismerésének nehézségeire, mint gondolnánk. Emiatt alakult ki a promptok, vagyis a kérdezési utasítások tudománya, ami azt vizsgálja, hogyan kell értelmesen kérdezni a gépet.

Mára már a mesterséges intelligenciával támogatott látás az emberi látásnál sokkal részletesebb és pontosabb elemzésre ad lehetőséget. Emiatt nem meglepő, hogy nagy segítséget jelent ott, ahol a képi információ feldolgozása elsődleges, mint a radiológiában, a patológiában vagy a bőrgyógyászatban. Dr. Bari Ferenc szerint ma már egy melanóma diagnosztizálásánál gyakorlatilag nem különbözik a gépi és a szakorvosok általi felismerés. A tapasztalat az, hogy a gép több vonást tekint patológiásnak, mint az orvosok, ezért gyakran mondják, hogy érdemes először a géppel megnézetni, majd szakértőkkel döntést hozni.

Dr. Bari Ferenc szerint az egészségügy mára már adatvezérelt lett, egy CT alkalmával például milliárdnyi adatot rögzítenek rólunk. Gyorsak lettek a számítógépek és sok szakember dolgozik a területen, mivel az egészség jó üzlet is lett. A mesterséges intelligenciával elért új tudományos alkalmazások bevezetése mégsem töretlen vonalú, hanem a projektek eljutnak egy csúcsra, ahol az ígéret és a realitás közötti szakadék nyilvánvalóvá válik, és akkor elkezdődik az erőforrások kivonása. Néhány év alatt mégis előbbre jut az innováció bevezetése. Készüljünk fel arra, mondja Dr. Bari Ferenc, hogy a folyamat nem lineáris, és lehet, hogy nem is tudunk mindent megoldani a mesterséges intelligenciával. Jelentős eredménynek számít azonban, hogy a mesterséges intelligencia új antibiotikum kifejlesztését tette lehetővé, amire hatvan év óta nem volt példa.

A bioinformatika professzor az orvostudományban alkalmazott mesterséges intelligencia legnagyobb kihívásának a személyre szabott gyógyászatot nevezte; a precíziós medicina ugyanis az egyéni jellemzőkhöz szabja a kezelést, ehhez pedig adatokra van szükség.

Dr. Bari Ferenc úgy véli, a mesterséges intelligencia és az egészségügy esetén a lehetőségeket és a korlátokat együtt kell látnunk, és mindenekelőtt folyamatosan tanulnunk kell. Szerinte a mesterséges intelligenciával támogatott orvostudomány legnagyobb eredményeit az intenzív osztályokon érte el, ahol sok adat felhasználásával folyik a gyógyítás. Meglepőnek nevezte a pszichiátriai telemedicina fejlődését, amely ott tart, hogy a mesterséges intelligenciával támogatott pszichoterápiás chatbotok hatékony pszichológusoknak bizonyultak.

Szöveg: Panek Sándor

Fotó: Kovács-Jerney Ádám

forrás: u-szeged.hu