Právě včasné odhalení začínajícího nebo počínajícího kazu je klíčové. Jinak hrozí, že se kromě bolesti zubů dostaví taky zánět nervů. Ten už nemusí jít později vůbec ošetřit a nezbývá, než zub vytrhnout. Kromě včasné diagnostiky může člověk takové situaci včas předejít i vlastním přičiněním. Úpravou jídelníčku, třeba omezením jídel s vysokým obsahem cukru. Těmi se totiž živí bakterie v ústech a rozrušují zubní sklovinu. Je důležité si taky pravidelně čistit zuby a případně používat zubní pastu s fluoridem, dále pravidelně chodit na prohlídky k lékaři a na dentální hygienu, pokud už se zubní kaz začíná tvořit, je potřeba ho nechat včas ošetřit. V tématu pokračujeme s naším hostem Janem Kybicem z katedry kybernetiky na ČVUT, dobrý den Vám přeji. Tak nám zkuste říct, čím přesně může umělá inteligence doplnit zubního lékaře?
Jan Kybic, ČVUT
Vy už jste to řekla. Umělá inteligence dokáže vyhodnotit rentgenový snímek. Ono to není úplně jednoduché. Na tom obrázku, co jste viděli na obrazovce, byl zubní kaz poměrně patrný, ale někdy to není tak jasné. Je to jen takový stín a méně zkušení lékaři můžou mít problém spolehlivě kazy odhalit. A potom buď nějaký ten kaz třeba minou a neošetří ho nebo naopak vrtají zbytečně. Umělá inteligence může poskytnout jakýsi další názor, který lékaři říká, kam by se měl podívat, na kterou část, aby něco nezanedbal.
Redaktorka
Výzkum je jistě teprve v počátcích, nicméně už máte nějaké indicie, jak velkou chybovost má třeba umělá inteligence, pokud jde o odhalování kazů?
Jan Kybic, ČVUT
To je zajímavá otázka. Zjistili jsme, že se ten náš algoritmus shoduje s expertem asi v 80 % případů. To nám přišlo relativně málo, tak jsme pozvali dalších sedm lékařů, aby ohodnotili ty samé obrázky a zjistili jsme, že oni se navzájem taky úplně neshodnou. A když potom podle různých kritérií porovnáváme to, co nám říká počítač a co říkají samotní lékaři, tak zjišťujeme, že ta automatická metoda se mezi těmi osmi lékaři umisťuje na druhém až čtvrtém místě. To znamená v té lepší polovině. Takže se neshodne úplně s jedním konkrétním lékařem, ale v průměru se shoduje lépe, než se shodují lékaři mezi sebou.
Redaktorka
Podle čeho umělá inteligence ten kaz rozpozná stejně jako lékař? Má nějaké jiné postřehy?
Jan Kybic, ČVUT
To je taky zajímavá otázka. Asi čestná odpověď by měla znít, že nevíme, nicméně technicky to funguje. Používáme architekturu, která se jmenuje konvoluční neuronová síť. To funguje tak, že obrázek je postupně filtrován digitálními filtry, které v tom obrázku hledají nějaké zajímavé struktury, jako třeba svislé hrany, vodorovné hrany, světlé skvrny, tmavé skvrny a kombinace těchto filtrů potom vytváří tu výslovnou diagnózu. Jak přesně ty filtry vypadají a jak přesně se kombinují, tak to se ta neuronová síť naučí. Učí se to tak, že my jí ukazujeme tisíce obrázků a porovnáváme její výstup s tím, co bychom chtěli, aby nám dala, a postupně nastavujeme parametry nebo automaticky se nastavují parametry, než se výstup sítě shoduje s tím, co my považujeme za správný výsledek. Takže je to podobně jako u zpracování obrazu v lidském oku, kde taky některé věci tak intuitivně vidíme, kde co je, ale nedokážeme úplně přesně říct, jak to ta umělá inteligence dělá.
Redaktorka
Můžete tedy ještě dokumentovat, jak náročná byla samotná příprava té neuronové sítě pro laiky?
Jan Kybic, ČVUT
Byla to diplomová práce mého studenta, který na tom pracoval jeden rok. Pak jsme to ještě další rok vylepšovali, takže zhruba dva roky práce.
Redaktorka
Můžete říct, kdy by se tato metoda mohla dostat do praxe, tedy do zubních ordinací?
Jan Kybic, ČVUT
To je v naší oblasti relativně obtížné, protože je potřeba vyvinout robustní verzi tohohle algoritmu tak, abychom si byli jisti, že potom někde v ordinaci ten program nehavaruje. A je potřeba, aby měl ten program určité certifikace, aby byl vyzkoušen. Takže bude to běh na dlouhou trať, jsou to řádově roky. My se pravděpodobně budeme muset spojit s nějakým komerčním subjektem, který ten software dokáže v nějaké finální podobě vyvinout a zajistit všechny certifikace, abychom ho směli prodávat.
Redaktorka
Dá se odhadnout, kde jinde ve zdravotnictví by obdobná metoda našla uplatnění? Napadají mě třeba zlomeniny, rentgenové snímky zlomenin..
Jan Kybic, ČVUT
Určitě ve všech oblastech diagnostiky. To znamená, když vstupem jsou nějaké obrázky nebo signály, a úkolem je říci, ano, člověk je nemocný nebo není nemocný. Tak to jsou perfektní oblasti na to, aby zde umělá inteligence byla použita. Když potom půjdeme dále, tak mě napadají třeba různé virtuální asistenty, které by pro známé nemoci mohly pacientům radit, protože na tom všichni víceméně podobně. Umělá inteligence by takovéhle standardní případy mohla řešit. Když zavoláte do ordinace, řeknete své příznaky, tak ve většině případů by vám mohla umělá inteligence poradit, co s tím dělat. Lékař by se potom mohl soustředit jenom na složité případy. Potom, když půjdeme dál, tak by umělá inteligence třeba mohla řídit nějakého robota, který by ten kaz sám odvrtal, ale to je ještě hodně daleko.
Připomíná Jan Kybic z katedry kybernetiky na ČVUT. Děkuji vám za rozhovor, na shledanou.