Jak vůbec takové aplikace vznikají, pane profesore?
Klasický přístup je takový, že potřebuji nějakou množinu dat, kde lékař označí příklady rizikových znamének a nějakých barevných chyb, které nenesou žádné nebezpečí. Takových příkladů potřebuji poměrně hodně. Potom metodou strojového učení připravím klasifikátor na dvě třídy rizikové, nerizikové a nějak ho naladím. Typicky ho v tomto případě budu chtít naladit tak, že pokud jenom je nějaké malé riziko, tak chci, aby to řeklo, pozor, k lékaři. Aby nedocházelo k tomu, že je tzv. přehlédnuté nebezpečí, že nějaký zhoubný nádor označím jako nezhoubný, což tomu člověku dodá jistotu. Aj eště by to asi velmi snížilo pravděpodobnost, že dojde k lékaři.
Těch aplikací je celá řada, dá se v tom nějak zorientovat? Jak rozpoznat, že jde o aplikaci kvalitní?
Tady musíme sázet na nějakou certifikaci. Vy sám jako jednotlivec si to nemůžete žádným způsobem ověřit. Mimochodem u těchto aplikací vůbec nevíme, do jaké míry je to umělá inteligence. Úplně klidně můžou sedět za tím serverem dva experti a vlastně jenom posíláte obrázek nějakému doktorovi, ten to označí, získává trénovací data, právě ta, která potom budou využitá při učení umělé inteligence. Ale v mezičase to může být systém zcela ruční nebo poloautomatický. Myslím si, že není možné z uživatelského hlediska posoudit kvalitu.
A co by teda mohlo pomoci kvalitě těch aplikací?
U mnoha aplikací rozhoduje kvalita dat, která byla na vstupu a u medicínských je to také množství dat. Pokud někdo je vývojářem a aplikace někoho pošle k doktorovi a nedozví se, jestli ho tam poslal správně s melanomem nebo zbytečně, bylo to mateřské znamínko, nemůže tu aplikaci vylepšovat. Z hlediska celosvětového zdraví nebo třeba i z evropského pohledu by bylo velmi zajímavé, aby vznikl evropský registr, popřípadě mohl by být otevřený. Protože zde se mi zdá, že sdílení dat je čistě pozitivní věc vylepšující schopnost diagnostiky rakoviny kůže. Potom by mohli vývojáři zkoušet nové modely na této velké datové množině. A v takovém případě bych očekával prudké zlepšení schopnosti, dobré predikce.
Z lékařského hlediska, někteří lékaři jsou toho zastánci, že to provede takovou tu první triáž, pošle to pacienta k lékaři možná dřív, než by šel sám.
Pro lidi, kteří by k tomu doktorovi nešli téměř za žádných okolností, dokud nemají velké potíže, pro ty je to určitě dobré pošťouchnutí, protože když mu ta aplikace říká, to je maligní, tak už musí ten člověk být hodně rezistentní, aby se sebou nepohnul. Když se bavíme o tom, jaký může být rozdíl kvality, tak přece jenom vyšetření doktorem a umělou inteligencí je rozdílné v tom, že u umělé inteligence máte jenom snímek a doktor se na to může dívat z mnoha úhlů. Může to třeba nějak natahovat, šahat na to, zjišťovat, jestli je to hrubé a podobně. Na druhou stranu umělá inteligence v budoucnu, možná už teď, má výhodu v tom, že může vidět obrovské množství příkladů, mnohem víc, než co jeden doktor za život uvidí. Dlouhodobě to směřuje k tomu, že umělá inteligence bude v takovýchto věcech přesnější. Doktor to potom jenom potvrdí, pošle na biopsii, která je založená nejenom na tom, jak to vypadá a na rozboru tkáně.
Říká Jiří Matas, vedoucí Skupiny vizuálního rozpoznávání Fakulty elektrotechnické, Českého Vysokého učení technického v Praze. Andrea Skalická. Radiožurnál.