Umělá inteligence vám přečte jazyk: Zjistí z něj zánět slepého střeva nebo třeba nádor

Pohled na sliznice ústní dutiny prozradí zkušenému lékaři o zdravotním stavu pacienta mnohé. Ostatně i sám pacient někdy pohledem na jazyk v zrcadle pozná, že to s jeho zdravím není úplně v pořádku. Jedním z nejznámějších příkladů je spála vyvolaná bakterií Streptococcus pyogenes, jež se lidově označuje jako spálový bacil. Ta vyvolává akutní zánět mandlí, tedy angínu. Streptococcus pyogenes přitom produkuje tzv. Dickův erytrogenní toxin, jenž poškozuje krevní kapiláry a vyvolává nejen kožní vyrážky, ale mění i vzhled jazyka. V raném stadiu jsou na sliznici jazyka patrné drobné červené skvrny, které připomínají povrch jahody. Později je zasažena sliznice kompletně a vzniká typický „malinový jazyk“.

Léčba na dálku

Tradiční čínská medicína má propracovaný systém hodnocení vzhledu jazyka a tamější lékaři ho vztahují ke stavu mnoha vnitřních orgánů včetně žaludku, srdce, jater, plic či močového měchýře. Ze stavu jazyka usuzují i na míru stresu, na poruchy žláz s vnitřní sekrecí či na intenzitu probíhajících infekcí. Pro západní medicínu jsou podobné diagnostické metody těžko přijatelné, ale na druhé straně lékaři uznávají, že za některými postupy orientální medicíny se skrývá tisíciletá zkušenost, kterou bychom neměli brát na lehkou váhu. Zajímavé možnosti při ověřování postupů tradiční čínské medicíny nabízí umělá inteligence.

Její obrovskou výhodu představuje schopnost odstranit „informační šum“ z velkých souborů dat a nalézt tak souvislosti, které lidský mozek neodhalí. Podobně jako při jiných praktických aplikacích umělé inteligence je i tady namístě notná dávka opatrnosti, protože někdy mohou komplikované algoritmy vygenerovat reálně neexistující „souvislosti“. Umělá inteligence může „halucinovat“, k výsledkům podobných studií je tedy třeba přistupovat se zdravou mírou kritiky.

Příkladem může být analýza irácko-australského týmu vedeného Alim Al-Najim působícím na univerzitě v Bagdadu a na Univerzitě Jižního Walesu v australském Adelaide, kterou vědci neprezentovali lékařské veřejnosti, ale přednesli ji na technické konferenci „Výzkum elektrotechnických metod“ konané v iráckém Bagdádu. Analýza vznikala během covidové pandemie, jež přinesla silný impuls pro rozvoj těchto technologií a jejich zavádění do lékařské praxe.
Došlo k drastickému omezení pohybu osob a řada lidí se obávala kontaktů s jinými lidmi i za podmínek, kdy byly nejpřísnější lockdowny odvolány. Drtivá většina těchto lidí měla k dispozici mobilní telefony s kvalitními fotoaparáty, což otevíralo možnosti „vyšetření na dálku“. K objektivnímu zhodnocení fotografií, které pacient pořídí mobilem a pošle lékaři, může významně pomoct právě umělá inteligence. Ta už prokázala své nesporné přednosti například při vyhodnocování rentgenových snímků.

Co prozradí jazyk

Al-Naji a jeho spolupracovníci uvádějí řadu příkladů, kdy medicína využívá k diagnostice chorob snímky jazyka. Jedním je i studie ukrajinských lékařů, kteří se snažili využít vyšetření jazyka k diagnostice covidu-19. Porovnávali výsledky vyšetření PCR testem na koronavirus SARS-CoV-2 s výsledky vyšetření snímků jazyka pořízených chytrým telefonem. Barvu jazyka a barvu povlaku na jeho sliznici nehodnotila v tomto případě umělá inteligence, ale dva specialisté, kteří neměli k dispozici údaje o zdravotním stavu pacientů. Následně byly výsledky vyšetření jazyka korelovány se závažností onemocnění covidem-19. Ukrajinští lékaři došli k závěru, že intenzivní zbarvení jazyka indikuje závažný vývoj onemocnění. Studie vyšla v brazilském lékařském časopise a sami autoři byli ve svých závěrech velmi opatrní. Poukazovali jednak na subjektivitu hodnocení barvy i na nepříliš vysoký počet vyšetřených pacientů.

Protože zevrubné vyšetření jazyka má dlouhou tradici v Číně, nepřekvapí, že se na tomto poli silně angažují čínští lékaři. A protože je Čína jednou z velmocí ve vývoji umělé inteligence, nepřekvapí ani fakt, že tamější lékaři tuto technologii hojně využívají. Jedna taková studie se zaměřila na barvu a strukturu sliznice jazyka u pacientů se zánětem slepého střeva. V tomto případě využili lékaři 12 000 snímků jazyka pořízených speciální kamerou za standardních podmínek.

Experimentální soubor dat zahrnoval přes 100 snímků jazyka pacientů se zánětem slepého střeva a bezmála 800 snímků jazyka pacientů se 13 jinými diagnózami, např. zánětem slinivky, cukrovkou nebo vysokým krevním tlakem. Na základě barvy jazyka se podařilo správně diagnostikovat zánět slepého střeva v 66 % případů. Při hodnocení struktury jazyka se vědci zaměřili na jeho papily. Zpočátku se potýkali s tím, že umělá inteligence nedokázala na snímku papily spolehlivě identifikovat. Když se tento problém vyřešil, dařilo se ze snímků diagnostikovat zánět slepého střeva s úspěšností 93 %. 

Al-Naji a jeho kolegové ale ve své analýze sami uvádějí, že „každá ze studií má svá pro a proti“ a vybízejí k řešení řady problémů, jež s sebou tyto metody diagnostiky nesou.

Od melanomu po šedý zákal

Snímky vyhodnocované umělou inteligencí mohou pomoct při diagnóze širokého spektra onemocnění. V některých oborech díky tomu stojí medicína na podstatně pevnějších základech než v případě snímků jazyka. Názorný příklad nabízí odhalování zhoubných nádorů v kožním lékařství. V popředí zájmu tu stojí z celkem pochopitelných důvodů zhoubný melanom, protože je to jeden z nejnebezpečnějších typů rakoviny kůže. Představuje sice jen 1 % všech typů kožních nádorů, ale na úmrtích s touto diagnózou se podílí více než ze 70 %.

Případů melanomu kůže neustále přibývá. Jen ve Spojených státech žije asi 100 000 lidí se zhoubným melanomem a dá se očekávat, že každoročně z nich asi 8 000 na toto onemocnění zemře. Odhalit rakovinu kůže v počátečních stadiích je obtížné, protože rakovinné buňky se v mnoha ohledech podobají zdravým buňkám. Nádorové buňky se však rychle množí a pronikají vrstvami kůže do hloubky. Pokud je melanom odhalen v pozdním stadiu, kdy už pronikl do spodních vrstev kůže protkaných cévami, je nutný radikální chirurgický zákrok, a i pak jsou vyhlídky na přežití nízké.

Výkony systémů umělé inteligence při diagnostice zhoubného melanomu byly dlouho limitovány nedostatkem snímků, na nichž lze umělou inteligenci „trénovat“ a následně i testovat. To se výrazně zlepšilo v roce 2018 vytvořením databáze ISIC, která už na samém začátku obsahovala desetitisíce snímků kůže vhodných pro trénování umělé inteligence. Ta si musí poradit hned s několika problémy. Tím prvním je vyhledání místa, kde kůže vykazuje abnormální parametry. Není to úplně jednoduché, protože buňky kůže nemají všude stejné vlastnosti. Další úkol tkví v odlišení neškodných poškození kůže od těch, kde startuje nádorové bujení. Dnešní systémy už tyto úkoly zvládají se spolehlivostí přesahující 98 %.

Okem nezachytitelné

O oku se říká, že je oknem do duše. Snímek oka tak hluboko nepronikne. Zachytí jen povrch přední části oční koule, ale i z té se dá vyčíst mnohé. Hodnocení snímků oka je proto další oblast, kde se může umělá inteligence prosadit. V testech už například úspěšně odhaluje šedý zákal čili kataraktu nebo ukládání tuků do rohovky, tzv. arcus senilis corneae. Snímky oka často zachytí lesk na jeho slzami zvlhčeného povrchu, takže prvním úkolem umělé inteligence jsou korekce obrazu, kdy se lesklá místa „vyretušují“.  Potom umělá inteligence identifikuje oblast duhovky. Z té potom „vytáhne“ rysy, které jsou důležité pro diagnózu oční vady či choroby. U doposud testovaných postupů se úspěšnost vyhoupla k 99 %. Pro využití v klinické praxi tak má metoda velký potenciál.

Jasnou perspektivu má umělá inteligence ve dvou oblastech – v diagnostice neurodegenerativních onemocnění, jako je Alzheimerova či Parkinsonova choroba, a v diagnostice zhoubných nádorů mozku a prsu. U Parkinsonovy a Alzheimerovy choroby je obtížné zachytit počátek onemocnění. Přitom včasné odhalení choroby dává pacientům lepší vyhlídky. Jak dokazují zkušenosti s využíváním umělé inteligence, na snímcích mozku mohou být příznaky obou chorob zachyceny, ale lidskému oku nemusejí být patrné.

Umělá inteligence ale zvládá vyčíst ze snímků mozku pořízených moderními zobrazovacími metodami raná stadia Alzheimerovy choroby s účinností 93 %, a u Parkinsonovy choroby dokonce 95 %. Včasná diagnostika také výrazně zvyšuje naději na vyléčení karcinomu prsu. Vyhodnocení některých snímků je ale komplikované, protože zdravá tkáň má strukturu, jež vznikající nádor do značné míry „zamaskuje“. Některé systémy umělé inteligence ale dosahují při odhalení tohoto velmi rozšířeného typu nádorového onemocnění úspěšnosti 99 %.

Diagnóza chatbotem

Do medicíny vstupuje i populární umělá inteligence ChatGPT firmy OpenAI. Odborníci věří, že může sloužit jako „první linie“ pro kontakt s pacientem a bude schopna stanovit předběžnou diagnózu. Nedávno například formuloval epidemiolog Andrew Beam z Harvardovy univerzity 48 různých popisů zdravotních potíží a zadal je algoritmu GPT-3 s tím, aby určil možné diagnózy. Umělá inteligence zařadila správnou diagnózu mezi trojici nejpravděpodobnějších v 88 % případů. Zkušení lékaři to na základě týchž popisů dokázali v 96 % případů, zatímco úspěšnost lidí bez lékařského vzdělání nepřesáhla 55 %.

„Je pro mě obrovským překvapením, že umělá inteligence dokáže tak dobře hodnotit popsané příznaky onemocnění,“ říká Beam. V předchozím výzkumu vědci zjistili, že online počítačové algoritmy, které mají pacientům pomáhat při diagnostice zdravotního stavu, zařadily správnou diagnózu mezi tři nejčastější možnosti pouze v 51 % případů. Jejich výkon je tak srovnatelný s diagnózami od medicínských laiků.

Chatboty, jako je ChatGPT, jsou při určování diagnostiky uživatelsky přívětivější, protože lidé mohou jednoduše popsat své zkušenosti, místo aby je vkládali do programů, které vypočítávají statistickou pravděpodobnost onemocnění. Navíc mohou chatboti klást pacientovi doplňující otázky podobně jako lékař. Andrew Beam ale přiznává, že popisy příznaků použité ve studii byly pečlivě formulované a měly jedinou správnou diagnózu. Pokud by pacient popis svých příznaků špatně formuloval nebo v něm neuvedl klíčové informace, byla by přesnost rozhodování umělé inteligence zcela jistě nižší.

Vědci zároveň zdůrazňují, že je nutné umělou inteligenci „obrnit“ proti dezinformacím, protože často neodliší data z hodnověrného pramene od zcela mylných informací. Navíc tu existuje teoretické riziko, že někdo ovlivní rozhodování chatbotů tím, že rozšíří na internetu dezinformaci formulovanou tak, aby byla pro umělou inteligenci „lákavá“ a ta ji brala přednostně v potaz. I proti tomu lze ale chatboty pojistit. Dokazují to výsledky testování chatbotu Med-PaLM, který čerpá informace z reálných dotazů pacientů a z toho, jak na ně lékaři odpověděli. K tomu ještě nabírá informace z databází, kde jsou uloženy otázky a správné odpovědi pro zkoušky lékařů. Při testech správnosti lékařských diagnóz dosahoval chatbot Med-PaLM shody se současnými znalostmi v lékařských vědách 92,6 %. Lékaři měli při diagnostice na základě týchž informací úspěšnost 92,9 %.