Már melegítik a privát jeteket, hogy Davosba szállítsák a világ nagyjait. Január 19-23. között tartják a Világgazdasági Fórum éves találkozóját, amelyen szinte mindenki megjelenik, aki számít (vagy számítani szeretne), hogy rész vegyen a világ összes problémájának felszámolásában. A friss Global Risks Reportot már bemutatták, és hétfőn indul a főműsor, amelynek egyik kiemelt téma idén (is) a mesterséges intelligencia lesz. A WEF (World Economic Forum) ebből az alkalomból kiadott egy gondolatébresztő esszét arról, hogy miként lehetne javítani az egészségügyet az MI segítségével. Röviden: az adatstruktúra átalakításával.

MI, a gyógyító

A tanulmány szerint sok pozitív példát lehetne hozni a mesterséges intelligencia egészségügyi alkalmazására. Ezek között vannak egyszerűbbek: a szingapúri SingHealth-ben például a generatív MI-t használnak a dokumentáció rögzítésére. A rendszer négy nyelven készít jegyzeteket a betegek vizsgálatairól. És vannak bonyolultabbak: egy amerikai kórházban olyan MI-alapú eszközt fejlesztettek, amellyel egyetlen vizsgálatból gyorsan és nagy pontossággal lehet azonosítani kilencféle olyan agyi aktivitási mintát, amely demenciára utal.

Ezek azonban elszigetelt kísérletek. Ahhoz, hogy az MI átfogóan javítsa az egészségügy hatékonyságát, túl kell lépni az elszigetelt, funkcióspecifikus adatarchitektúrákon. Az érvelést és az autonóm cselekvést olyan rendszerekkel lehet támogatni, melyek valós időben dolgoznak fel multimodális adatokat.

Az esszé szerzői, Matthew Callstrom kutató-radiológus (Mayo Clinic College of Medicine and Science) és Microsoft Research elnöke, Dr. Peter Lee öt pontban foglalták össze, hogy szerintük mi kellene ennek a célnak az eléréséhez.

Az egészségügyi adatok reformja

1. Egységes adatfolyamat. Fel kell számolni azt a kettősséget, hogy a legtöbb egészségügyi adat csak bizonyos időközönként frissül (pl. amikor begépelik adott rendszerbe), miközben egyre több adat jön valós időben és automatizáltan pl. szenzorokból. Olyan adatfolyamra van szükség, amely valós időben tisztítja, szabványosítja és címkézi a bejövő adatokat.

2. Az adatok előkészítése az MI számára. Új adatkezelési módszerek és eszközök kellenek, például vektoros és gráfadatbázisok vagy a hierarchikus RAG (Retrieval Augmented Generation), amely valós idejű kereséssel kombinálja a generálást. Így a multimodális adatokat (szöveg, kép, genomszekvencia stb.) az MI kontextusukban értelmezheti. Felismerheti a hasonló eseteket, az aktuálisan megfigyelt tüneteket összekapcsolhatja régebbi tünetekkel és vizsgálati eredményekkel és így tovább.

3. Egységes adattér. Egységes, biztonságos és interoperábilis adattárházra van szükség. Minden forrásból (elektronikus egészségügyi nyilvántartások, laborok, képalkotó eszközök, viselhető eszközök, betegalkalmazások) ide áramlanak az adatok, amelyekhez szabványosított expozíciós rétegeken keresztül lehet hozzáférni. (Az egységes adattér Magyarországon már megvalósulóban van a 2017-ben elindított EESZT révén.)

4. Kulcsfontosságú az adatok konzisztenciája, biztonsága és hozzáférhetősége. Az egészségügyi szektor egyszerre szembesül a multimodális adatok összetettségével és felhasználhatóságuk szigorú biztonsági és etikai előírásaival. Olyan adattárakra van szükség, amely egy adat lekérésekor először ellenőrzik, hogy a kérelmező (pl. orvos, kutató, MI-alkalmazás) rendelkezik-e a megfelelő jogosultságokkal és kontrollokkal, majd olyan koherens információhalmazt adnak át, amely az adat kontextusát is biztosítja.

5. Az adatok felhasználását kizárólag megbízható klinikai és adminisztratív ismeretekre lehet alapozni. Az MI csak olyan információt kaphat, amely összhangban van a klinikai irányelvekkel, orvosi protokollokkal. Abban, hogy az MI ajánlásai megbízhatóak és ellenőrizhetőek legyenek, többek között az alapvető fogalmak és terminológia közötti kapcsolatokat tartalmazó tudásgráfok segíthetnek.

Intelligens, folyamatosan tanuló környezet

Ha tehát az adatokat áthelyezzük az elszigetelt, statikus rendszerekből egy intelligens, folyamatosan tanuló környezetbe, minden új adatpont azonnal felhasználhatóvá válik az ellátásban vagy az egészségügyi kutatásban – összegezték véleményüket az esszé szerzői.

Egy ilyen keretrendszerben bármilyen bemenetről érkező adat azonnal felhasználható lesz az MI számára, kapcsolódjon a rendszer bármely pontjához, és dolgozzon bármilyen feladaton. Ezáltal olyan finom jelek is képes lesz észlelni, amit gyakran a legképzettebb orvos sem.

AI can transform healthcare – if we transform our data architecture »