27. července 2017

V čem je problém: Kardiovaskulární události a nemoci si drží čelné postavení mezi příčinami úmrtí. Zaměření se na prevenci je pro každého člověka životné důležité, a schopnost lékařů upozornit nás na rizikové faktory je pro nás klíčová. Zobecněné zkušenosti lékařů a poznatky vědy založené na poznání příčinných souvislostí kardiovaskulárních chorob se proto koncentrují v národních i nadnárodních metodikách, směrnicích a doporučeních, které lékařům pomáhají při předvídaní výskytu zdravotních problémů a při jejich předcházení. Metodiky se průběžně vylepšují, jejich spolehlivost je ale stále neuspokojivá. Například při využívání směrnice American College of Cardiology/American Heart Associatian se dosahuje 72,8% spolehlivosti předvídání vzniku kardioudálosti či nemoci. Přirozeným důvodem jsou limity lidského poznání ústící i v omezený počet faktorů, které metodiky berou v úvahu. Konkrétně americká směrnice je postavena na osmi skupinách rizikových faktorů, jako je hladina cholesterolu, krevní tlak, věk atd. Je přitom zřejmé, že faktorů vzniku kardiovaskulárního problému musí existovat obrovské množství a existuje mezi nimi hustá síť vztahů – od bezprostřední příčinné souvislosti až po volnější a zprostředkované podpůrné působení. Historické statistiky nemocnic přitom obsahují ohromné bohatství rozmanitých dat o kardiopacientech, o jejich zdravotních, sociálních či rodinných poměrech. Dosud bylo nad lidské síly takováto velká data prozkoumat a vyvodit z nich závěry pro prevenci.

Řešení: Tým ze Stanfordské univerzity nasadil samoučící umělou inteligenci právě na taková data o pacientech. Na vzorku elektronizovaných záznamů 378 tisíc britských pacientů nechal umělou inteligenci hledat korelaci mezi různými životními a zdravotními charakteristikami lidí a výskytem kardiovaskulární choroby. Kromě osmi skupin tradičních rizikových faktorů stroj zkoumal i takové charakteristiky, které ve zkušenosti lekařů ani v učebnicích medicíny obvykle nefigurují mezi faktory vzniku nemoci – třeba etnický původ, artritidu, ledvinové problémy, atd. Ale právě u řady z nich našla umělá inteligence statisticky prokazatelný vztah s výskytem kardiovaskulární nemoci či události. Díky tomu překonala spolehlivost strojového algoritmu předvídání srdeční události spolehlivost americké směrnice: na historickém vzorku 2015 dalších pacientů dosáhla umělá inteligence schopnost 76,4 % přesnosti předvídání kardiovaskulární příhody u pacienta v horizontu 10 let. Přímý benefit je jasný: strojová "směrnice" teď poskytuje spolehlivější metodiku předvídání a tedy i prevence kardiovaskulární příhody. Další benefit je neméně zajímavý: umělá inteligence našla souvislosti mezi řadou novych faktorů a nemocí. Ty se nyní staly novým polem pro vědce a výzkumníky: pro odhalení, jaké příčinné mechanismy stojí za korelacemi odhalenými strojem, a pro jejich využít v léčebné a preventivní praxi.

Dopad: Opět se prokázalo, že z množství dat, které lidstvo za desetiletí nashromaždilo a které jsme neuměli využívat, umí strojové učení udělat dosud nevídané bohatství užitečných informací. Lidský mozek má limity ve zpracovaní velkého množství údajů. Má ale dar odhalovat příčinné souvislosti – tedy ono "proč". Stroj naopak nerozumí tomu "proč", ale umí z velkých dat nalézt "co" – souvislosti, kterých si člověk nemohl všimnout. Gari Kasparov kdysi prohlásil, že stroj dokáže porazit nejlepšího šachistu, ale šachista používající stroj je jiným strojem neporazitelný. Síla spočívá ve spojení lidí se stroji, ne v jejich náhradě. Firmy, které jsou dnes nejúspěšnější, tento princip pochopily a realizují.