AI pobjeđuje liječnike u sažimanju raka

Sjeverozapadna medicina objavila je studiju koja bi mogla promijeniti kako onkolozi čitaju patološke izvještaje – ali samo ako AI uspije prijeći iz laboratorija u bolničke sobe. Istraživači su testirali šest otvorenih jezičnih modela [Meta Llama 3.0, 3.1, 3.2, Google Gemma 9B, Mistral 7.2B i DeepSeek-R1] na 94 de-identificirana izvješća o raku pluća, i otkrili da su svi nadmašili liječnike u potpunosti i preciznosti sažetaka.

Ključna prednost? AI modeli bolje bilježe molekularne i genetske podatke koji određuju terapiju – detalje koje liječnici često previde zbog vremenskog pritiska.

Studija, objavljena u [JCO Clinical Cancer Informatics], nije prva koja tvrdi da AI nadmašuje ljude u medicinskim zadacima. Ali za razliku od prethodnih radova koji su se fokusirali na jednostavne dijagnoze, ovdje je riječ o složenim, longitudinalnim izvještajima koji uključuju histopatologiju, imunohistokemiju i genetske nalaze. 'Kako se liječenje raka sve više komplicira, teret sinteze ovih izvještaja rapidno raste', istaknuo je dr.

Mohamed Abazeed, jedan od autora studije. Problem nije samo u količini podataka, već u njihovoj raštrkanosti po različitim institucijama i formatima – upravo ono gdje AI modeli pokazuju prednost.

Najbolje ocjene dobili su Llama 3.1 i DeepSeek-R1, dok je Gemma 9B zaostala. No, studija je jasna: ovo nije natjecanje čovjeka i stroja, već demonstracija da AI može postati alat za podršku odlučivanju.

Sjeverozapadna medicina već razvija aplikaciju temeljem Llama 3.1, ali upozorava da je potrebna dodatna validacija prije kliničke primjene.

Ipak, jaz između benchmarka i stvarne prakse ostaje ogroman. Studija je koristila de-identificirane podatke, što znači da su izvještaji bili 'očišćeni' od osjetljivih informacija – situacija koja se rijetko događa u stvarnom svijetu.

Osim toga, AI modeli su testirani na standardiziranim, strukturiranim podacima, dok stvarni patološki izvještaji često uključuju rukom pisane bilješke, nejasne dijagnoze i institucionalne specifičnosti. 'Ako AI može pouzdano sintetizirati ove izvještaje, liječnici će moći efikasnije pregledati ključne nalaze', rekao je Troy Teo, ali upozorio je da je put do kliničke pouzdanosti još dug. Najveći dobitnici ove tehnologije mogli bi biti manji onkološki centri koji nemaju resurse za detaljnu analizu izvještaja.

Velike bolnice poput Sjeverozapadne medicine već koriste napredne sustave, ali za regionalne klinike AI sažetci mogli bi značiti razliku između precizne i površne dijagnoze. No, postoji i rizik: ako se modeli treniraju na podacima iz elitnih centara, mogli bi postati manje precizni za pacijente iz ruralnih područja ili onih s rijetkim oblicima raka.

Tehnička zajednica već reagira. Na GitHubu se pojavljuju diskusije o tome kako prilagoditi modele za specifične medicinske kontekste, dok neki istraživači upozoravaju na potrebu transparentnosti u treniranju. 'Stvarni test nije hoće li AI pobijediti liječnike u studiji, već hoće li ih pobijediti u 3 ujutro kad je pacijent u kritičnom stanju', komentirao je jedan korisnik na Hacker Newsu.

Na kraju, ova studija je samo početak istraživanja mogućnosti AI-a u medicini. Još uvijek postoje brojna područja koja treba istražiti, ali jedno je sigurno: AI će igrati sve važniju ulogu u medicini u budućnosti. Kako će se ova tehnologija razvijati, još je nepoznato, ali jedno je sigurno: AI će biti važan dio medicine u budućnosti. Liječnici i istraživači moraju raditi zajedno kako bi se osiguralo da se ova tehnologija koristi na najbolji mogući način.