Undersöök: künstklookte lyk so good in diagnoses as mediske deskündigen

Künstklookte (AI) steyt up lyken voot med menskelike deskündigen as et geyt üm et stellen van mediske diagnoses up basis van bealden, blikt uut een undersöök. Dat steyt te leysen up de britske krante De Guardian.

De möägelike topassing van künstklookte in geneaskünde is een grout underwarp. Vöärstanders meynet dat et de vråge når hülpmiddelen kan verminderen, tyd kan vry maken vöär meyr uutwesseling tüsken dokter en patient en helpen by et maken van tospitsde behandelingen. De lätste månd hevt de britske regeyring £250m (€280m) beloaved vöär een ny künstklookheidslaboratorium vöär et britske gesundheidsweasen, de NHS.

Kleine anteakening is volgens de undersökers dat de nyste uutkoamsten baseerd sint up mär een händkevul undersöken en dat der nen houp slecht undersöök in ümloup is.

Eyn upkoamend gebruuk van AI is et leasen van mediske afbealdingen. Et löänet swår up deeplearen, een untwikkelde form van maskinelearen, wårin ne ryge nümmerde afbealdingen in een algoritme invoord wordet. Dee pikket der kenmarken uut en leart dan üm lykmåtige afbealdingen te leasen. Disse metode is vöälbeloavend by et vaststellen van seektes as kanker (kreavt) töt ougproblemen.

Et blivt noch undüdelik woas sükke deeplearende systemen et doot in vergelyk med menskelike vaerdigheden. Undersökers segget at se meyrdere undersöken nöäst mekander elegd hebbet en dat dåruut blikt at mensken en maskines lykup gåt.

Professor Alastair Denniston, eyne van de medskryvers an et undersöök, seade at de resultaten bemodigend warren, mär dat et gelyk ouk een uphelderingsmoment was vöär de bisse rund künstklookte.

Dokter Xiaoxuan Liu, höyvdskryver van et undersöök was et dårmed eyns. “Der wordt vöäle skreaven oaver dat künstklookte et better düt as mensken, mär wy beweyret dat et up syn höygst lykup geyt,” seade see.

Skryvend vöär de Lancet Digital Health, gavven Liu, Denniston en kollega’s an dat se undersööksrapporten vanaf 2012 bekeaken hebbet, een belangryk jår vöär deeplearen.

Ne anvangelike söökupdracht leyverden meyr as 20.000 relevante undersöken up. Toch hadden mär 14 dårvan – allemål baseerd up menskelike seekte – gegeavens van gode kwaliteit, testden et deeplearende systeem med bealden van ne aparte set gegeavens teagenoaver den gebruked üm ne te trainen en löäten deselvde bealden an menskelike deskündigen seen.

De undersökers deaden de beste resultaten van alle 14 undersöken by mekander en untdekkeden dat de deeplearende systemen ne seekte 87% van de tyd good vaststelleden (teagenoaver 86% van de gesundheidswarkers). Vöär 93% van de tyd gavven se korrekt an dat der gin seekte was, teagenoaver 91% van de menskelike deskündigen.

Toch steyt dår teagenoaver dat de doktoren gin wydere patientinformatie hadden, dee se ‘in et echt’ wal sullen krygen. Dat kun öäre diagnose stüren.

Professor David Spiegelhalter, vöärsitter by et Winton-centrum vöär risiko- en bewyskommunikaty an de Universiteit van Cambridge, seade at et kennisveld oaverströymd was med slecht undersöök.

“Dit uutmüntende oaversichtsundersöök gevt an dat de enorme bisse oaver AI in de geneaskünde de beklagenswaerdige kwaliteit van sowat alle evaluatyundersöken oaverskaduwet,” seade Spiegelhalter. “Deeplearen kan ne krachtige en indrukwekkende technik weasen, mär doktoren müt sik afvrågen wat et nu eygenlik bydrägt an de kliniske praktyk.”

Denniston bleav positiv oaver et potentiääl van künstklookte in de geneaskünde. Volgens em kun et helpen as een diagnostisk hülpmiddel en de achterstand in eyrste diagnoses vordwarken. Boavenal kun et volgens Liu helpen in steades wår as een tekort is an dokters.

Liu meynden dat et belangryk was üm deeplearende systemen in kliniske pröyve te gebruken üm te seen of patienten der better van wordt.

Volgens dokter Raj Jena, nen onkoloog by et Addenbrooke-sekenhuus in Cambridge, den as nit by et undersöök by was, wordt deeplearende systemen vöärdan belangryker, mär dat der noch flink ‘in et echt’ med etested müt worden. Dårby is et ouk belangryk üm vast te stellen wårümme of dee systemen et mangs verkeyrd hebbet.

“As deeplearende algoritmes et mis hebbet, is dat vake up slim unvöärspelbåre en katastrofale wyse,” seade hee.