Sztuczna inteligencja powiedziała mi, że mam raka

Zdałem sobie sprawę, że wyobrażałem sobie, że sztuczna inteligencja weźmie cały mój wykres i postawi diagnozę, być może z pewnymi dramatycznymi, stopniowo pojawiającymi się obrazami, takimi jak sceny na Chirurdzy gdzie odkrywają duży guz, który stwarza komplikację narracyjną i zostaje rozwiązany pod koniec odcinka. Pisałem już wcześniej o tym zjawisku, w którym nierealistyczne hollywoodzkie koncepcje sztucznej inteligencji mogą przyćmić nasze zbiorowe zrozumienie tego, jak naprawdę działa sztuczna inteligencja. Rzeczywistość sztucznej inteligencji w medycynie jest znacznie bardziej przyziemna, niż można by sobie wyobrazić, a sztuczna inteligencja nie „diagnozuje” raka tak, jak robi to lekarz. Radiolog ogląda wiele zdjęć dotkniętego obszaru, czyta historię pacjenta i może oglądać wiele filmów zrobionych z różnych perspektyw. Sztuczna inteligencja pobiera statyczny obraz, ocenia go w odniesieniu do wzorców matematycznych znalezionych w danych treningowych sztucznej inteligencji i generuje prognozę, że części obrazu są matematycznie podobne do obszarów oznaczonych (przez ludzi) w danych treningowych. Lekarz przygląda się dowodom i wyciąga wnioski. Komputer generuje prognozę, która różni się od diagnozy.

Ludzie używają serii standardowych testów do postawienia diagnozy, a sztuczna inteligencja jest budowana na podstawie tego procesu diagnostycznego. Niektóre z tych testów to samobadanie, mammografia, ultrasonografia, biopsja igłowa, testy genetyczne lub biopsja chirurgiczna. Następnie masz opcje leczenia raka: chirurgia, radioterapia, chemioterapia, leki podtrzymujące. Każdy otrzymuje jakąś kombinację testów i terapii. Mam mammografię, USG, biopsję igłową, badania genetyczne i operację. Moja koleżanka, zdiagnozowana mniej więcej w tym samym czasie, podczas samobadania wykryła guz. Miała mammografię, USG, biopsję igłową, badania genetyczne, biopsję chirurgiczną, chemioterapię, operację, radioterapię, drugą rundę chemioterapii i leki podtrzymujące. Leczenie zależy od rodzaju nowotworu, miejsca jego występowania i stopnia zaawansowania: 0–4. Testy, leczenie i leki, które mamy dzisiaj w amerykańskich szpitalach, są najlepsze, jakie kiedykolwiek były w historii świata. Na szczęście diagnoza raka nie musi już oznaczać wyroku śmierci.

Ponieważ Geras i jego współpracownicy wstępnie wytrenowali model i umieścili go w Internecie, wszystko, co Robinson i ja musieliśmy zrobić, to połączyć nasz kod z wytrenowanym modelem i przeprowadzić przez niego skanowanie. Sprawdziliśmy i… nic. Brak znaczących wyników raka, nada. Co było dziwne, ponieważ wiedziałam, że istnieje rak piersi. Lekarze właśnie odcięli mi całą pierś, żeby rak mnie nie zabił.

zbadaliśmy. Znaleźliśmy wskazówkę w artykule, w którym autorzy piszą: „Eksperymentalnie pokazaliśmy, że ważne jest, aby zachować obrazy w wysokiej rozdzielczości”. Zdałem sobie sprawę, że mój obraz, zrzut ekranu z mammografii, ma niską rozdzielczość. Potrzebny był obraz w wysokiej rozdzielczości.

Robinson odkrył dodatkowy problem ukryty głęboko w pliku obrazu. Mój zrzut ekranu był dla nas czarno-biały, jak wszystkie zdjęcia rentgenowskie. Jednak komputer przedstawił zrzut ekranu jako obraz w pełnym kolorze, znany również jako obraz RGB. Każdy piksel na obrazie kolorowym ma trzy wartości: czerwoną, zieloną i niebieską. Mieszanie wartości daje kolor, tak jak w przypadku farby. Jeśli utworzysz piksel ze 100 jednostek niebieskiego i 100 jednostek czerwonego, otrzymasz fioletowy piksel. Wartość fioletowego piksela może wyglądać następująco: R:100, G:0, B:100. Kolorowe zdjęcie cyfrowe jest w rzeczywistości siatką pikseli, z których każdy ma wartość koloru RGB. Kiedy umieścisz wszystkie piksele obok siebie, ludzki mózg tworzy zbiór pikseli w obraz.