Identificarea timpurie a afectării cognitive rămâne o provocare majoră în practica medicală curentă, din cauza accesului limitat la teste standardizate şi a resurselor necesare pentru aplicarea lor. O nouă abordare bazată pe inteligenţă artificială (AI) sugerează că informaţiile deja existente în documentele medicale de rutină ar putea fi folosite pentru a semnala din timp pacienţii cu risc, fără alte teste suplimentare.
Un grup de cercetători de la Mass General Brigham a dezvoltat unul dintre primele sisteme de inteligenţă artificială complet autonome capabile să depisteze afectarea cognitivă pe baza documentaţiei clinice obişnuite, fără intervenţie umană. Sistemul a fost validat în condiţii reale de utilizare şi a atins o specificitate de 98%, potrivit unui studiu publicat în revista npj Digital Medicine, în luna ianuarie.
Spre deosebire de modelele clasice de AI, soluţia propusă funcţionează ca o „echipă virtuală de medici”, formată din cinci agenţi AI specializaţi. Aceştia analizează independent datele clinice, îşi evaluează reciproc concluziile şi îşi rafinează raţionamentul într-un proces iterativ, similar unei discuţii de caz între medici.
Sistemul rulează pe un model lingvistic de mari dimensiuni şi poate fi instalat local, în infrastructura IT a spitalului, fără a transmite datele pacienţilor către servere externe sau servicii cloud.
Studiul a inclus analiza a peste 3.300 de date clinice provenite de la 200 de pacienţi anonimizati trataţi în cadrul Mass General Brigham. Prin examinarea documentelor generate în timpul consultaţiilor obişnuite, sistemul a reuşit să identifice indicii subtile de afectare cognitivă, care pot trece uşor neobservate.
Afectarea cognitivă este frecvent subdiagnosticată, iar testele standard sunt dificil de aplicat pe scară largă. În acest context, depistarea precoce a devenit tot mai importantă, mai ales după aprobarea recentă a unor terapii pentru boala Alzheimer care sunt mai eficiente în stadiile incipiente ale bolii.
Potrivit autorilor, mulţi pacienţi primesc un diagnostic prea târziu, când fereastra optimă de tratament este deja depăşită.
În situaţiile în care evaluarea sistemului de AI a fost diferită de cea a specialiştilor umani, fiecare caz a fost reanalizat de un expert independent uman. În 58% dintre aceste cazuri, expertul a confirmat corectitudinea raţionamentului sistemului, sugerând că AI a identificat elemente relevante care au fost iniţial omise de evaluarea umană.
Analiza erorilor a arătat însă şi limitele sistemului. Sistemul a avut rezultate mai slabe atunci când informaţiile despre funcţia cognitivă erau incomplete, de exemplu menţionate doar într-o listă de probleme, fără explicaţii clinice detaliate sau lipsite de context clinic, sau atunci când erau necesare cunoştinţe foarte specifice din domeniu. Sistemul a funcţionat cel mai bine când a folosit note medicale bogate în context.
În testele în care numărul cazurilor cu şi fără afectare cognitivă a fost similar, sistemul a atins o sensibilitate de 91%. În condiţii reale de utilizare, unde doar 33% dintre cazuri au fost pozitive, sensibilitatea a scăzut la 62%. Specificitatea a rămas însă ridicată, la 98%.
Cercetătorii au raportat în mod transparent aceste diferenţe de performanţă pentru a arăta că sistemul de inteligenţă artificială trebuie ajustat mai bine la condiţiile reale de utilizare şi pentru a ghida viitoarele îmbunătăţiri.
Autorii subliniază că prezentarea clară a acestor limitări este esenţială pentru ca astfel de tehnologii să poată fi integrate responsabil în practica medicală.
Odată cu publicarea studiului, echipa a lansat şi Pythia, un instrument open-source care permite altor sisteme de sănătate sau instituţii de cercetare să implementeze mecanisme similare de optimizare autonomă a solicitărilor pentru aplicaţii de screening bazate pe AI.
