Kako AI može da pomogne u razumevanju podataka o raku

Svake godine, više od 10 miliona ljudi u svetu premine od raka – 35 odsto više nego što u Srbiji danas ima stanovnika. Srbija je pri vrhu crnog spiska evropskih zemalja po broju preminulih od kancera, a prema poslednjim objavljenim podacima Instituta za javno zdravlje "Dr Milan Jovanović Batut", u 2020. registrovano je skoro 40.000 slučajeva malignih bolesti, što je svrstava među ključne izazove u oblasti javnog zdravlja. Dok naučnici traže lek za rak, primena veštačke inteligencije otvara nove mogućnosti za ranije otkrivanje bolesti, precizniju dijagnostiku i personalizovanu terapiju, ali istovremeno nameće ozbiljne etičke dileme i regulatorne izazove.

Jedan od ključnih izazova je kontrola kvaliteta podataka koji se koriste za treniranje AI modela, kaže za Bloomberg Adriju Luka Jovanović, istraživač u oblasti veštačke inteligencije na Univerzitetu Kolumbija u Njujorku, koji istražuje primenu AI u lečenju raka. "Danas imamo ogromnu količinu podataka na kojima možemo da treniramo AI modele, ali njihov kvalitet nije ujednačen", ističe Jovanović, koji sa kolegama radi na razvoju alata za validaciju ovih podataka. 

"Podaci o kanceru koje do sada imamo nude nam izuzetne uvide - potencijal tih podataka je jako veliki", kaže Jovanović. Kako dodaje, "tradicionalne analize, na osnovu kojih se pacijentima širom sveta daje terapija, zasad ne koriste to bogatstvo podataka".

Jovanović pojašnjava da AI modeli mogu da pomognu upravo u tome da se medicinskim stručnjacima stave na raspolaganje "mnogo više informacija, koje će im pomoći da donesu pravu odluku". "Kao istraživači, imamo odgovornost da vodimo računa o samom kvalitetu podataka za treniranje AI modela - možete da imate najbolju infrastrukturu, ali ako nisu provereni, ne zaslužuju veliko poverenje", dodaje. 

Jedan od primera je imunoterapija. "Ona je često rizična opklada - neki pacijenti dožive dramatično poboljšanje, drugi mesecima idu na terapiju i trpe neželjene efekte, da bi na kraju saznali kako lečenje nije dalo rezultat", priča Jovanović. Kako dodaje, "nekada se čini da dva pacijenta imaju sličnu dijagnozu, a jedan odlično reaguje na imunoterapiju, a drugi ne". 

"Mi smo otkrili da je prostorna organizacija tumora kao skupa ćelija izuzetno važna za to kako će pacijent odreagovati na imunoterapiju", kaže Jovanović. "Nekada je lokalno okruženje programirano da sabotira imuni sistem, a u tradicionalnim analizama nemamo dobro razumevanje prostora u kojem se sve to dešava", kaže. AI modeli, koje Jovanović razvija sa kolegama, pokušavaju da pronađu odgovor na pitanje kako korigovati tok terapije, kako bi bio adekvatan. 

Primena AI-ja u medicini povezana je sa brojnim etičkim dilemama, koje se odnose na zaštitu podataka pacijenata, informisani pristanak, pristrasnost i diskriminaciju, transparentnost i objašnjivost odluka, odgovornost za greške, ali i očuvanje humanog odnosa između lekara i pacijenta. Iako načelno postoji bojazan od narušavanja odnosa lekara i pacijenta, Jovanović smatra da pojedini AI alati mogu da učvrste poverenje. Ako pacijent zna da je u donošenje odluke o terapiji uzeto u obzir sve što bi moglo da bude relevantno za njegovo izlečenje, "poverenje će biti veće", smatra Jovanović.