Článek
Objevování a výroba léčiv
Strojové učení, dále jako ML (angl. machine learning), znamená pro zdravotnictví a farmaceutické společnosti mocného spojence pro urychlení výzkumu, vývoje a výroby léků.
S využitím dříve shromážděných lékařských studií, údajů o účinných složkách v lécích a jejich kombinacích mohou algoritmy ML mapovat každou z nich a navrhovat nová složení léčiv pro boj s nemocemi.
Analyzovat miliardy kombinací molekul by bylo i pro nejchytřejší mozky na planetě nelidským úkolem, ale ve spolupráci s ML se otevírá celý nový vesmír možností, který se dá prozkoumat v rozumném čase. Otevírá to možnosti jak pro samotné nové léky a vytváření naprosto nových dosud neexistujících molekul, tak i úpravu stávajících léků „na míru“ pacientům, u kterých standartní léky nezabírají.
Aktuálně jsou minimálně dvě desítky nových léků ve schvalovacím procesu, a to díky použití strojového učení. Spektrum léků zahrnuje onemocnění srdce, infekční choroby i léky na rakovinu, algoritmy strojového učení byly například hojně využívány i při výzkumu vakcín a léků proti COV19.
V konečném důsledku ale rozhodnutí a zodpovědnost za daný lék stále nesou lidé a kontrolní mechanismy v podobě legislativy a klinických testů.
Diagnostika
Strojové učení se používá také k analýze lékařských snímků, jako jsou CT, snímky z magnetické rezonance či rentgenové snímky. Některé studie došly k měřitelným závěrům, že algoritmy strojového učení plní stejné úkoly jako lidští odborníci, ale často s daleko lepšími procentuálními výsledky.
Na rozdíl od člověka ale nepotřebují spát, jíst a nepocítí únavu z přepracování. Samozřejmě také vykazují určitou míru chybovosti, ale opět na konci rozhodovacího procesu a schvalování stojí zkušený lékař, který výsledky zkontroluje.
Vzhledem k vytíženosti zdravotnictví po celém světě, kdy se na specializované vyšetření leckde čeká i několik měsíců, se ale jedná o vítanou pomoc a lze tak zachránit daleko více životů, protože čas je často největší nepřítel. Strojové učení je také velkým přínosem při studiu a identifikaci genetických mutací.
Personalizovaná medicína
Každý lékařský případ je jedinečný, což z medicíny činí složitý obor náročný na zdroje, jak lidské, tak finanční.
Jednotliví pacienti mají obvykle více stavů, které je třeba léčit současně. Je tedy třeba přijímat náročná a vzájemně se doplňující rozhodnutí, aby bylo možné vytvořit účinný léčebný plán, který zohlední interakce léků a minimalizuje vedlejší účinky všech možných problémů. Právě zde se strojové učení pro zdravotnictví stává v podstatě nepostradatelným.
Například klinika v Clevelandu využívá umělou inteligenci k personalizaci plánů zdravotní péče pomocí systému IBM Watson. Shromažďuje miliardy datových bodů o záznamech pacientů a zefektivňuje jejich zkušenosti s personalizovanou léčbou.
Prevence, epidemie a monitorování nemocí
Další oblastí dopadu strojového učení a umělé inteligence ve zdravotnictví je prevence nemocí a monitorování a předpovídání potenciálních epidemií.
Analýzou údajů o pacientech mohou algoritmy identifikovat rizikové faktory onemocnění a pomoci lékařům zasáhnout dříve, než se objeví příznaky. Strojové učení může například předpovědět, u kterých pacientů hrozí riziko vzniku cukrovky nebo rakoviny a poskytnout personalizovaná doporučení ohledně stravy a cvičení, aby se nemoci předešlo.
Z praxe mohou data pro různé predikce ve velkém měřítku poskytovat i „chytrá nositelná zařízení“ (angl. wearables), jako jsou chytré hodinky, prstýnky, ale z jiné kategorie třeba i četnost a lokálnost hledaných pojmů příznaků v internetových vyhledávačích.
Algoritmy „umělé inteligence“ mohou také sledovat zdravotní stav pacientů na dálku a upozornit lékaře na změny v jejich zdravotním stavu dříve, než se stanou závažnými. Poslední epidemie COV19 navíc všechny přiměla být svědky toho, jak nedostatečně je zdravotnictví připraveno, pokud propukne nemoc takového rozsahu. Podobně mohou nástroje založené na ML pomoci odhalit včasné příznaky epidemie a v konečném důsledku zabránit pandemii.
_____
První díl série o algoritmech, strojovém učení a „umělé inteligenci“ si můžete přečist zde:
