"Dzisiejsza medycyna to mnóstwo danych, które trzeba przeanalizować, zrozumieć i ze sobą połączyć" - zauważa w rozmowie z PAP dr Jan Poleszczuk z Instytutu Biocybernetyki i Inżynierii Biomedycznej PAN w Warszawie.

Jak mówi, lekarze spotykają się na co dzień z wieloma zmiennymi, które muszą przeanalizować, by skutecznie diagnozować i leczyć pacjentów. Na przykład w leczeniu nowotworów należy prześledzić dotychczasowe wyniki badań pacjenta, dobrać leki, precyzyjnie dobrać ich dawki i czas ich podania.

"Zdrowy rozsądek i intuicja lekarska mogą nie wystarczyć do tego, aby ująć w całość wszystkie możliwe kombinacje i znaleźć najlepsze rozwiązania. Tu może się przydać matematyka" - mówi dr Poleszczuk.

Badacz tworzy modele matematyczne, które pomogą lekarzom w skuteczniejszej opiece nad pacjentami.

W jednym z ostatnich badań dr Poleszczuk i jego współpracownicy zajęli się kwestią wykorzystania w badaniach klinicznych faktu, że radioterapia (naświetlanie nowotworu i jego okolic z wykorzystaniem promieniowania jonizującego) bardzo skutecznie łączy się z immunoterapią (działaniami zmieniającymi zdolności obronne organizmu). "Dochodzi do synergii - radioterapia dodatkowo pobudza układ odpornościowy i może dodatkowo zwiększyć skuteczność immunoterapii. Powstało jednak pytanie, w jakich dawkach podawać to promieniowanie" - opowiada naukowiec.

W jednej z prób przedklinicznych inny zespół badał myszy z wszczepionymi nowotworami. Sprawdzano, jak promieniowanie wpływa na nowotwory. Eksperymentatorzy sprawdzali jedynie trzy konkretne jego dawki, choć w praktyce liczba pośrednich dawek promieniowania może być bardzo duża. "Bazując na danych dotyczących tych trzech dawek, opracowaliśmy model. Pozwoliliśmy, by interpolował dawki - wskazywał, jakie mogą być efekty, jeśli poda się dawki pośrednie" - opowiada badacz. Dodaje, że być może dzięki modelom matematycznym można będzie podawać skuteczniejsze i bezpieczniejsze porcje leków czy promieniowania.

To jednak tylko jeden z wielu przykładów modeli matematycznych, które mogą się przydać lekarzom.

CZY SZTUCZNA INTELIGENCJA ZASTĄPI LEKARZY?

W swoich badaniach dr Poleszczuk korzysta z różnych obszarów matematyki. A obszarem, o którym świat od kilku lat huczy, jest sztuczna inteligencja i sztuczne sieci neuronowe. Pytany, czy sztuczna inteligencja może kiedyś zastąpić lekarzy - dr Poleszczuk uspokaja: "Nie widzę dla nich żadnego zagrożenia".

Naukowiec mówi, że choć sztuczna inteligencja szybko uczy się np. rozpoznawać na zdjęciach wizerunki kotów czy taksówek, to do rzetelnego diagnozowania chorób wciąż jej daleko. Dr Poleszczuk zaznacza, że trudność w medycynie stanowi interpretacja danych. "Jeśli pójdziemy do kilku lekarzy z wynikiem jednego prześwietlenia, opinia każdego z nich może być nieco inna" - opowiada dr Poleszczuk. I dodaje, że nie wiadomo, która z diagnoz lekarzy powinna służyć jako wzorzec do dalszej nauki dla sieci neuronowej.

"Problem z sieciami neuronowymi polega na tym, że nie do końca wiemy, czego je uczymy" - mówi rozmówca PAP. Naukowiec podaje przykład, że jeśli np. uczymy sztuczną inteligencję rozpoznawać na zdjęciach satelitarnych czołgi, to może się okazać, że sztuczna inteligencja nauczy się zamiast tego odróżniać ładną pogodę - od złej.

I dodaje, że kiedy sieć neuronowa czegoś się już "nauczy" - trudno z niej wyciągnąć informację, po czym właściwie poznaje ona dane obiekty. "Jest sporo naukowców, którzy próbują stworzyć metody do analizowania tego, co tak naprawdę bierze pod uwagę sieć neuronowa. Ale to nie jest proste. Tam są miliony parametrów" - ocenia naukowiec.

"Lekarze bardzo dobrze znają protokoły, pozwalające diagnozować choroby u pacjenta. Ich techniki są bardzo blisko optimum. My - matematycy - możemy im pomóc zwiększyć tę skuteczność. Nigdy jednak nie zastąpimy intuicji lekarskiej. Twierdzenie, że sieć neuronowa zastąpi lekarza, jest ciągle jeszcze bezpodstawne. Jeśli to się zdarzy - to nie za mojego życia" - kończy.

PAP - Nauka w Polsce, Ludwika Tomala

lt/ zan/