Cognitive Disorders

🔴 هوش مصنوعی در تشخیص پارکینسون؟ افسانه‌های زرد! این روزها خبری دست‌به‌دست می‌شود: «هوش مصنوعی با تحلیل یک نقاشی ساده، پارکینسون را با دقت ۹۹ درصد تشخیص می‌دهد!» یک تیتر فوق‌العاده جذاب است؛ اما دقیقاً همین‌جا باید کمی ترمز کنیم. چون در پزشکی، «دقت یک الگوریتم» با «کاربرد بالینی یک ابزار تشخیصی» یکی نیست. پژوهشگران واقعاً در حال استفاده از قلم‌های هوشمند برای تحلیل رسم مارپیچ و دست‌خط بیماران پارکینسون هستند. این قلم‌ها فقط به شکل نهایی نقاشی نگاه نمی‌کنند، بلکه سرعت، شتاب، فشار قلم، روانی حرکت و نوسانات بسیار ظریف دست را ثبت می‌کنند. سپس الگوریتم‌های یادگیری ماشین و یادگیری عمیق تلاش می‌کنند از میان این داده‌ها، الگوهایی را پیدا کنند که در افراد مبتلا به پارکینسون بیشتر دیده می‌شوند. تا اینجا علم کاملاً واقعی و بسیار جذاب است.اما حالا به آن عدد معروف می‌رسیم: ۹۹ درصد. فرض کنیم یک مدل هوش مصنوعی در یک مطالعه به Accuracy برابر با ۹۹ درصد رسیده است.این عدد به ما می‌گوید مدل در شرایط همان مطالعه، روی همان نوع داده و در همان جمعیتی که برای ارزیابی انتخاب شده، توانسته ۹۹ درصد نمونه‌ها را درست طبقه‌بندی کند. اما این جمله با عبارت زیر فاصله زیادی دارد: «این ابزار در کلینیک، پارکینسون را با دقت ۹۹ درصد تشخیص می‌دهد.» این دو را نباید با هم اشتباه گرفت. در یک دیتاست پژوهشی ممکن است مسئله بسیار ساده باشد: پارکینسون ؛ در برابر ؛ فرد سالم. اما مسئله‌ای که نورولوژیست در کلینیک با آن مواجه است بسیار پیچیده‌تر است: پارکینسون ؛ در برابر ؛ ترمور اسنشیال، پارکینسونیسم‌های دیگر، اختلالات مخچه‌ای، عوارض دارویی، مشکلات اسکلتی‌عضلانی، تغییرات مرتبط با سن و ده‌ها وضعیت دیگر. بنابراین ممکن است یک الگوریتم در تفکیک «پارکینسون از فرد سالم» فوق‌العاده باشد، اما هنوز مشخص نباشد که در تفکیک «پارکینسون از سایر علل واقعی علائم حرکتی» چقدر عملکرد دارد. اینجا تفاوت بسیار مهمی شکل می‌گیرد: Performance ≠ Clinical Utility عملکرد آماری یک مدل، فقط یکی از مراحل مسیر است.برای تبدیل شدن یک الگوریتم به یک ابزار بالینی معتبر، باید بدانیم آیا این عملکرد در بیماران جدید، در مراکز دیگر و در جمعیت‌های متنوع هم تکرار می‌شود یا نه. باید بدانیم حساسیت و ویژگی آن چقدر است، نرخ مثبت کاذب و منفی کاذب آن چقدر است و مهم‌تر از همه، آیا نتیجهٔ الگوریتم واقعاً تصمیم بالینی پزشک را بهتر می‌کند یا نه. حتی یک سؤال بنیادی‌تر وجود دارد: آیا استفاده از این ابزار باعث می‌شود بیمار زودتر تشخیص داده شود، تشخیص افتراقی دقیق‌تر شود، درمان بهتر انتخاب شود یا روند بیماری بهتر پایش شود؟ اگر پاسخ این سؤال‌ها را ندانیم، عدد ۹۹ درصد به‌تنهایی ارزش بالینی محدودی دارد.این همان نقطه‌ای است که بسیاری از تیترهای زرد فناوری پزشکی از آن عبور می‌کنند.آن‌ها یک معیار آماری را از متن مقاله جدا می‌کنند و آن را به یک ادعای پزشکی تبدیل می‌کنند.در حالی که فاصله میان این دو می‌تواند بسیار بزرگ باشد. البته این به هیچ‌وجه به معنی بی‌ارزش بودن این پژوهش‌ها نیست.اتفاقاً شاید مهم‌ترین بخش این تحقیقات اصلاً «هوش مصنوعی» نباشد.قلم هوشمند می‌تواند چیزی را که تاکنون عمدتاً به‌صورت کیفی در معاینه نورولوژیک مشاهده می‌کردیم، به داده‌های کمی تبدیل کند.پزشک ممکن است بگوید: «حرکت بیمار کمی لرزان و ناپیوسته است.» اما حسگر می‌تواند نشان دهد سرعت در چه لحظه‌ای افت کرده، فشار قلم چگونه تغییر کرده، مسیر حرکت چقدر نوسان داشته و روانی حرکت تا چه اندازه مختل شده است. بنابراین دفعه بعد که تیتر خبری گفت: «هوش مصنوعی یک بیماری را با دقت ۹۹ درصد تشخیص داد!» قبل از اینکه هیجان‌زده شویم، یک سؤال ساده بپرسیم: «۹۹ درصد کجا؟ روی چه کسانی؟ در مقایسه با چه گروهی؟ با چه داده‌ای؟ با چه روش اعتبارسنجی‌ای؟ و برای چه کاربرد بالینی؟» باید مراقب باشیم «دقت مدل» را با «اعتبار بالینی» اشتباه نگیریم.در پزشکی، بهترین الگوریتم آن نیست که فقط عدد Accuracy بالاتری دارد.بهترین الگوریتم، الگوریتمی است که وقتی از آزمایشگاه وارد دنیای واقعی بیمار شد، هنوز بتواند به تشخیص و تصمیم‌گیری بهتر کمک کند. ۹۹ درصد ممکن است یک عدد بسیار زیبا باشد؛اما بیمار، دیتاست نیست. دکتر موسی عطازاده 🌿