Tyrimai rodo, kad dirbtinis intelektas nebūtinai padidina klinikinės praktikos efektyvumą

Tyrimai rodo, kad dirbtinis intelektas nebūtinai padidina klinikinės praktikos efektyvumą

Gyvensena mityba, dietos, judėjimas

Dirbtinio intelekto (DI) naudojimas ligoninėse ir pacientų priežiūroje nuolat auga. Ypač specializuotose srityse, kuriose naudojama didelė vaizdavimo dalis, pavyzdžiui, radiologija, AI jau seniai yra kasdienės klinikinės praktikos dalis. Tačiau klausimas, kokiu mastu AI iš tikrųjų veikia darbo eigą klinikinėje aplinkoje, iš esmės lieka neatsakytas.

Todėl Bonos universiteto ligoninės (UKB) ir Bonos universiteto mokslininkai atliko išsamią esamų AI poveikio tyrimų analizę. Jie sugebėjo parodyti, kad dirbtinis intelektas automatiškai nepagreitina darbo procesų.

Jų rezultatai buvo paskelbti žurnale npj Skaitmeninė medicina.

Nors dirbtinis intelektas dažnai vertinamas kaip sprendimas atliekant įprastines užduotis, pvz., pacientų stebėjimą, priežiūros užduočių dokumentavimą ir klinikinių sprendimų palaikymą, tikrasis poveikis darbo procesams yra neaiškus. Ypač daug duomenų reikalaujančiose specialybėse, tokiose kaip genomika, patologija ir radiologija, kur AI jau naudojamas dideliems duomenų kiekiams atpažinti ir atvejams nustatyti prioritetus, trūksta patikimų duomenų apie efektyvumo padidėjimą.

„Norėjome išsiaiškinti, kokiu mastu dirbtinio intelekto sprendimai iš tikrųjų pagerina medicininio vaizdavimo efektyvumą“, – aiškina Katharina Wenderott, tyrimo vadovė ir Bonos universiteto doktorantė UKB pacientų saugos institute (IfPS). „Plačiai paplitusi prielaida, kad dirbtinis intelektas automatiškai pagreitina darbo procesus, dažnai nepasiteisina.

Sunku nuosekliai vertinti studijas

Mokslininkų grupė atliko sistemingą 48 tyrimų, kuriuose buvo nagrinėjamas AI priemonių naudojimas klinikinėje aplinkoje, ypač radiologijos ir gastroenterologijos srityse, apžvalgą. Iš 33 tyrimų, kuriuose buvo nagrinėjamas darbo procesų apdorojimo laikas, 67 % pranešė apie darbo valandų sumažėjimą, tačiau metaanalizė neparodė jokio reikšmingo efektyvumo padidėjimo.

„Kai kurie tyrimai parodė statistiškai reikšmingus skirtumus, tačiau jų nepakako bendroms išvadoms padaryti”, – sako Wenderott.

Be to, komanda analizavo, kaip dirbtinis intelektas yra integruotas į esamas darbo eigas. Nustatyta, kad įgyvendinimo sėkmė labai priklauso nuo konkrečių sąlygų ir procesų vietoje. Tačiau dėl tyrimo planų ir naudojamų technologijų nevienalytiškumo buvo sunku atlikti vienodą vertinimą.

„Mūsų rezultatai aiškiai parodo, kad dirbtinio intelekto naudojimas kasdienėje klinikinėje praktikoje turi būti vertinamas diferencijuotai“, – pabrėžia UKB IfPS direktorius prof. Matthias Weigl, kuris taip pat atlieka tyrimus Bonos universitete. „Didelę įtaką įgyvendinimo sėkmei turi vietos sąlygos ir individualūs darbo procesai.

Tyrimas suteikia svarbių pradinių įžvalgų apie tai, kaip AI technologijos gali paveikti klinikinio darbo procesus. „Svarbiausia išvada – būsimuose tyrimuose būtina aiškiai struktūrizuoti ataskaitas, kad būtų galima geriau įvertinti mokslinę ir praktinę šių technologijų naudą“, – sako prof. Weiglas.