Inteligența Artificială detectează degradarea creierului cu acuratețe

Primele semne de declin cognitiv trec adesea neobservate, pierdute printre fișe medicale și note clinice. Un studiu publicat la 7 ianuarie în jurnalul npj Digital Medicine arată însă că inteligența artificială (AI) poate juca un rol important în identificarea acestor indicii subtile, precum problemele de memorie sau schimbările de comportament și gândire.

AI ca instrument de screening, nu de diagnostic

Sistemul analizat în studiu nu are rolul de a pune un diagnostic de declin cognitiv sau demență. Scopul său constă în semnalarea pacienților ale căror dosare medicale indică necesitatea unei atenții suplimentare.

"Nu dorim să înlocuim judecata clinică, ci să oferim un instrument de screening", a explicat pentru Live Science dr. Lidia Moura, profesor asociat de neurologie la Spitalul General din Massachusetts, potrivit Agerpres.

Un astfel de sistem poate sprijini medicii în decizia de a monitoriza mai atent anumite persoane, mai ales în zonele unde numărul specialiștilor rămâne limitat.

Cum funcționează sistemul de inteligență artificială

Cercetătorii au folosit o abordare numită "agentică", care presupune un set coordonat de cinci programe AI. Fiecare agent are un rol bine definit și verifică evaluările celorlalți, ceea ce permite rafinarea interpretării notițelor clinice fără intervenție umană.

Sistemul a fost construit pe modelul Llama 3.1 de la Meta și a analizat trei ani de note medicale, inclusiv vizite la clinică, note de progres și rezumate de externare. Datele proveneau dintr-un registru spitalicesc și fuseseră deja evaluate de medici în privința prezenței problemelor cognitive.

Rezultatele inițiale și nivelul de acuratețe

În faza de antrenament, inteligența artificială a analizat un set echilibrat de dosare: jumătate cu probleme cognitive documentate și jumătate fără. Pe parcurs, sistemul a învățat din diferențele dintre propriile evaluări și etichetările realizate de medici.

La finalul acestei etape, AI a ajuns la un acord cu medicii în aproximativ 91% din cazuri, un rezultat considerat promițător.

Testarea în condiții apropiate de practica reală

Ulterior, sistemul a fost testat pe un set separat de date, extras din același interval de trei ani, dar care reflecta mai bine situațiile reale din spitale. În acest context, doar o treime dintre dosare indicau probleme cognitive.

Sensibilitatea sistemului a scăzut la aproximativ 62%, ceea ce înseamnă că AI nu a semnalat aproape patru din zece cazuri identificate inițial de medici. La prima vedere, rezultatul a părut dezamăgitor.

Reevaluarea cazurilor și concluziile surprinzătoare

Cercetătorii au cerut unor experți clinici să reanalizeze dosarele unde evaluările diferiseră, fără a ști dacă decizia inițială aparținuse unui medic sau sistemului AI. În 44% din situații, evaluatorii au fost de acord cu analiza inteligenței artificiale, nu cu revizuirea inițială.

"Aceasta a fost una dintre cele mai surprinzătoare descoperiri", a declarat Hossein Estiri, co-autor al studiului și profesor asociat de neurologie.

În multe cazuri, AI a aplicat criterii clinice mai stricte, refuzând să semnaleze un risc atunci când notițele nu menționau explicit probleme de memorie, confuzie sau alte modificări cognitive, chiar dacă un diagnostic apărea în altă parte a dosarului.

Limitele evaluării umane și ale inteligenței artificiale

Rezultatele scot în evidență limitele revizuirii manuale a dosarelor medicale.

"Când semnalele sunt evidente, toată lumea le observă. Când sunt subtile, oamenii și mașinile pot ajunge la concluzii diferite", a subliniat dr. Moura.

Karin Verspoor, cercetătoare în AI medical la Universitatea RMIT, avertizează că sistemul a fost testat într-o singură rețea spitalicească. Diferențele de stil și calitate în documentarea medicală pot influența performanța sistemului în alte contexte clinice.

Ce urmează pentru acest sistem AI

În prezent, sistemul nu este utilizat în practica clinică. Potrivit lui Estiri, tehnologia ar urma să funcționeze discret, în fundalul consultațiilor medicale obișnuite, semnalând potențiale riscuri și oferind explicații clare pentru fiecare alertă.

Cercetătorii consideră că optimizarea și testarea în mai multe medii clinice reprezintă pașii esențiali înainte de o eventuală implementare la scară largă.