COSA È SUCCESSO QUANDO GOOGLE HA TESTATO LA SUA IA NEL MONDO REALE
Nel 2016, il team di intelligenza artificiale di Google si è impegnato a combattere una delle malattie in più rapida crescita del nostro tempo: le malattie degli occhi diabetici. Retinopatia diabetica (DR) – una patologia oculare, attualmente colpisce le persone con diabete ed è la causa di cecità in più rapida crescita, con quasi 415 milioni di pazienti diabetici a rischio in tutto il mondo.
I ricercatori di Google hanno sviluppato un algoritmo di apprendimento profondo in grado di interpretare i segni della DR nelle fotografie della retina, potenzialmente aiutando i medici a selezionare più pazienti, specialmente nelle comunità in cui le risorse sono limitate.
Questo algoritmo di deep learning ha mostrato grandi promesse con risultati alla pari con gli oftalmologi.
Dopo tre anni di test approfonditi e modifiche al modello, un team di ricercatori ha deciso di mettere in pratica il proprio modello. Per questo, hanno scelto la Thailandia, dove ci sono solo circa 1.400 oculisti per circa cinque milioni di diabetici.
Com’è andata
Google AI , in collaborazione con il Ministero della sanità pubblica in Thailandia, ha condotto ricerche sul campo in cliniche nelle province di Pathum Thani e Chiang Mai per un periodo di otto mesi.
Durante questo periodo, i ricercatori hanno fatto visite regolari a 11 cliniche, hanno osservato come gli infermieri di quelle cliniche gestivano gli screening oculistici e li intervistavano per avere una comprensione più profonda del processo. Nel corso delle loro prove, hanno scoperto importanti problemi fondamentali nel modo in cui i sistemi di apprendimento profondo sono stati implementati. Sebbene il modello fosse migliorato regolarmente, le sfide derivavano da fattori esterni al modello.
Ad esempio, alcune immagini catturate durante la proiezione potrebbero presentare problemi come sfocature o aree scure. Un sistema di intelligenza artificiale potrebbe definire in modo conservativo alcune di queste immagini “non classificabili” perché i problemi potrebbero oscurare le caratteristiche anatomiche critiche necessarie per fornire un risultato definitivo. Per i clinici, la gradabilità di un’immagine può variare a seconda della propria struttura clinica o esperienza.
Due immagini dello stesso occhio, con illuminazione variata
Gli elevati standard del sistema per la qualità delle immagini sono in contrasto con la coerenza e la qualità delle immagini che gli infermieri catturavano abitualmente sotto i vincoli della clinica.
Le infermiere della clinica hanno preso due immagini dello stesso occhio in caso di un’immagine non classificabile. Tuttavia, secondo il rapporto, ciò ha causato disagio nei pazienti e ha anche contribuito alla frustrazione delle infermiere. Pertanto, hanno esplorato soluzioni come l’oscuramento della stanza per migliorare le condizioni di illuminazione che porteranno a immagini di qualità superiore.
Non solo, ma anche la velocità della connessione Internet gioca un ruolo importante nel tempo impiegato da ogni paziente.
Ciò dimostra che, indipendentemente da quanto sia buono un modello, le sfide emergono una volta schierate nel mondo reale. Ancora di più in qualcosa di simile all’assistenza sanitaria.
Risultati chiave e raccomandazioni
In un recente rapporto , i ricercatori hanno approfondito la loro ricerca. I risultati possono essere riassunti come segue:
Nel caso di applicazioni incentrate sull’utente, la progettazione del prodotto dovrebbe coinvolgere le persone che interagirebbero con la tecnologia.
Nel caso dei sistemi di IA nell’assistenza sanitaria, dobbiamo anche tener conto delle differenze ambientali come l’illuminazione, che variano tra le cliniche e possono influire sulla qualità delle immagini. Proprio come un medico esperto potrebbe sapere come rendere conto di queste variabili al fine di valutarle, anche i sistemi di intelligenza artificiale devono essere addestrati per gestire queste situazioni.
Costruire uno strumento di intelligenza artificiale è una sfida, poiché qualsiasi disaccordo tra il sistema e il medico può portare alla frustrazione.
Questo studio ha scoperto che il sistema di intelligenza artificiale potrebbe consentire agli infermieri di identificare con sicurezza e immediatamente uno screening positivo, con conseguenti rinvii più rapidi agli oculisti.
Direzione futura
Sebbene i ricercatori abbiano valutato un sistema di apprendimento profondo in natura, affermano che lo studio si è concentrato su infermieri e tecnici della fotocamera. Sono necessarie ulteriori ricerche per comprendere in che modo il sistema influisce sull’esperienza del paziente, sulla sua fiducia nei risultati e sulla probabilità di agire su di essi.
Il team di intelligenza artificiale di Google suggerisce inoltre che sono necessarie ulteriori ricerche per capire come il sistema può alterare le pratiche degli oftalmologi che valutano i pazienti in base al sistema di apprendimento profondo.
Infine, poiché vengono valutati più sistemi in ambienti clinici, un’importante area di lavoro futuro include la progettazione di protocolli di studio per la conduzione di studi prospettici incentrati sull’uomo e studi sulla progettazione di servizi end-to-end di prodotti clinici basati sull’intelligenza artificiale.
