Dirbtinis intelektas ir mašinų mokymasis gali turėti įtakos beveik visiems žmogaus būklės įvertinimo aspektams, o kardiologija nėra šios tendencijos išimtis. Šiame tekste pateikiamas vadovas apie atitinkamus dirbtinio intelekto ir mašininio mokymosi aspektus, apžvelgiamas pasirinktas šių metodų pritaikymas kardiologijoje iki šiol ir nurodoma, kaip širdies ir kraujagyslių medicina galėtų ateityje įtraukti dirbtinį intelektą.
Visų pirma, darbe pirmiausia apžvelgiamos nuspėjamojo modeliavimo koncepcijos, susijusios su kardiologija, pvz., funkcijų pasirinkimas. Antra, aptariami bendri algoritmai, naudojami prižiūrint mokymąsi, ir apžvelgiamos pasirinktos kardiologijos ir susijusių disciplinų programos. Trečia, jame aprašomas giluminio mokymosi ir susijusių metodų, bendrai vadinamų neprižiūrimas mokymasis, atsiradimas, pateikiami kontekstiniai pavyzdžiai tiek bendrojoje medicinoje, tiek širdies ir kraujagyslių medicinoje, o tada paaiškinama, kaip šie metodai gali būti taikomi siekiant užtikrinti tikslią kardiologiją ir pagerinti pacientų rezultatus.
Kaip dirbtinis intelektas ir mašininis mokymasis yra susiję su statistika?
Gydytojams jau seniai reikėjo nustatyti, kiekybiškai įvertinti ir interpretuoti kintamųjų ryšius, kad pagerintų pacientų priežiūrą. Dirbtinis intelektas ir mašinų mokymasis apima įvairius metodus, leidžiančius kompiuteriams tai padaryti, algoritmiškai mokantis efektyvių duomenų atvaizdų. Čia vartojame terminus „dirbtinis intelektas“ ir „mašininis mokymasis“ daugiau ar mažiau sinonimais, nors tiksliau mašininį mokymąsi galima suprasti kaip metodų rinkinį, įgalinantį dirbtinį intelektą. Pagrindinis statistikos tikslas yra padaryti išvadas apie imties arba populiacijos parametrus, o mašininis mokymasis orientuojasi į duomenų struktūros algoritminį atvaizdavimą ir numatymą ar klasifikavimą. Šios 2 ambicijos dažnai yra persipynusios. Taigi mes nenustatome aiškios ribos tarp klasikinės statistikos ir mašininio mokymosi metodų, o laikome juos analogiškais, bet dažnai taikomais atsakant į skirtingus klausimus.
Kodėl kardiologijai reikalingas dirbtinis intelektas?
Dirbtinis intelektas atsirado dėl to, kad labiau žinomus algoritmus dažnai galima patobulinti atliekant realaus pasaulio užduotis. Apsvarstykite logistinės regresijos atvejį. Kad būtų galima daryti statistines išvadas, tokias kaip koeficientų ir p reikšmių įvertinimas, šiam modeliui reikalingos kelios tvirtos prielaidos (pvz., stebėjimų nepriklausomumas ir kintamųjų daugiakolineariškumo nebuvimas). Kai logistinė regresija naudojama kitiems tikslams, prielaidos, leidžiančios daryti statistines išvadas, gali būti nesusijusios su tikslu ir gali trukdyti modelio veikimui. Priešingai, mašininio mokymosi algoritmai paprastai naudojami nedarant tiek daug prielaidų dėl pagrindinių duomenų. Nors šis metodas trukdo daryti tradicines statistines išvadas, jis sukuria algoritmus, kurie paprastai yra tikslesni prognozuojant ir klasifikuojant. Taigi širdies ir kraujagyslių medicina gali gauti naudos iš dirbtinio intelekto ir mašininio mokymosi įtraukimo.
Nors dirbtinio intelekto sąvoka nėra nauja, jo panaudojimas klinikinėje aplinkoje dar yra retenybė. Ne kiekvienas kardiologas savo praktikoje taiko šiuos modernius metodus, tačiau netolimoje ateityje dirbtinio intelekto asistuojamas gydymas bus visiems įprastas reiškinys.
AND privačioje šeimos medicinos klinikoje Vilniuje dirba profesionalūs gydytojai kardiologai – Alma Čypienė, Gediminas Aučina. AND klinikoje teikiamos šios paslaugos : pirminė kardiologo apžiūra ir konsultacijos, širdies echoskopija, elektrokardiografija (EKG), veloergometrija, Holterio monitoravimo tyrimas ir kitos. Registruotis vizitui į AND kliniką galite čia.
2023.04.13; 00:02
