Forskere advarer mod at hype deep learning i medicinsk billeddiagnostik

Kunstig intelligens er ikke bedre end mennesker til at stille medicinske diagnoser baseret på billeder, viser stort internationalt review udført af britiske, tyske, amerikanske og schweiziske forskere.

Potentialerne ved brug af kunstig intelligens i sundhedsvæsenet har skabt begejstring og håb om, at de nye teknologier vil kunne styrke kvaliteter i diagnostik og behandling samtidigt med frigørelse af ressourcer og mere tid til kontakt med patienterne. Blandt de nye spirende anvendelser af AI i sundhedsvæsnet er brugen af ​​AI til fortolkning af medicinske billeder ved hjælp af sofistikerede former for maskinlæring og deep learning.

Men ifølge en gruppe forskere fra førende europæiske hospitaler og forskningsenheder er der grund til at klappe hesten og forholde sig mere kritisk overfor den massive hype omkring den kunstige intelligens anvendelse i sundhedsvæsnet. I hvert fald når det handler om medicinsk billeddiagnostik ifølge det omfangsrige studie, som netop er offentliggjort i The Lancet Digital Health. 

 Studiet, der havde til formål at sammenligne deep learning med sundhedsprofessionelles diagnostiske evner i billeddiagnostik konkluder nemlig:  

”Vores gennemgang fandt, at deep learnings diagnostiske præstationer svarer til sundhedsfagfolks,” skriver forskerne, der dog advarer mod risiko for mulig bias på grund af en overvældende mængde dårlig videnskab på området. 

Forskerne fandt i deres første søgning flere end 20.000 relevante undersøgelser fra 2012 til juni 2019. Imidlertid vurderede de, at kun 14 studier - alle omhandlende menneskelig sygdom – havde data af tilstrækkelig god kvalitet. Holdet samlede de mest lovende resultater inden for hver af de 14 undersøgelser og sammenlignede den kunstige intelligens resultater med sundhedsprofessionelles resultater. Sammenligningerne afslørede, at de AI- bårne systemer diagnosticerede en sygdomstilstand korrekt 87 procent af tiden - sammenlignet med 86 procent for sundhedspersonalernes vedkommende – samt at de AI-bårne billedanalyser gav  All Clear korrekt 93 procent af tiden sammenlignet med 91 procent af tiden for de menneskelige sundhedseksperter.

Dr. Xiaoxuan Liu, medforfatter til artiklen siger i forbindelse med publiceringen:

 ”Der er mange overskrifter om, at AI overgår mennesker, men vores budskab er, at det i bedste fald kan være ækvivalent,” sagde hun.

Men forskerholdet bag dette store og første review på området er dog ikke afvisende overfor brugen af kunstig intelligens og deep learning i sundhedsvæsnet. Professor Alastair Denniston, University Hospitals Birmingham Universitetshospital og førsteforfatter betegner resultaterne som 'opmuntrende for anvendelsen af den kunstige intelligens', som han og kollegaerne mener 'kan give et betydeligt løft for medicinsk diagnostik'. Men samtidigt kalder han også reviewet for et 'reality check af noget af hypen omkring kunstig intelligens', og af 'den beklagelige kvalitet' i majoriteten af studier.

 Faktaboks:

Machine learning er algoritmer, der processerer data, lærer fra dette data og derefter anvender hvad den har lært til at træffe velinformerede beslutninger.

Deep learning er en mere kompleks udgave af machine learning, der konstant lærer og selv kan bestemme. om dens forudsigelse er korrekt eller ej. Deep learning algoritme har en hukommelse, der gør, at maskinen er i stand til at forbedre sig selv hele tiden og at dens næste træk derfor kan føles meget menneskeligt, som om den responderer på netop den aktuelle situation.

 Kunstig intelligens er altså en kombination af en masse forskellige machine learnings eller deep learnings algoritmer.