szerző:
HVG Könyvek
Tetszett a cikk?
Értékelje a cikket:
Köszönjük!

Egy olyan területen, ahol az orvosok évtizedek óta keresik a választ a kérdésre: miért válik az egyik abnormális mintázat veszélyesebbé, mint a másik, egy friss szemmel érkező algoritmus sokat segíthet - véli Hannah Fry matematikus. Részlet az Emberek és gépek című könyvből.

Az 1970-es évek végén dán patológusok egy csoportja néhány kiválasztott holttesten végzett melleltávolítást. Az elhunytak 22 és 89 év közötti nők voltak, és a 83-ból 6-an haltak meg mellrákban. A minták előkészítése során a kutatók megfigyelhették, hogy a 6 minta természetesen egyértelműen mutatja a betegség jeleit. Megdöbbenve tapasztalták ugyanakkor, hogy a maradék, teljesen más okból elhunyt 77 nő mintegy egynegyedének mintájában ugyancsak daganatos elváltozás volt felfedezhető. Anélkül, hogy a betegség bármilyen tünetét mutatták volna, 14 nőnek in situ, tehát a tejcsatornán belül megjelenő rákja volt. Ezeket a sejtelváltozásokat élő páciensek esetében rosszindulatúnak diagnosztizálták volna. Három nőnek olyan atipikus sejtek jelentek meg a mintájában, amelyek ugyancsak további vizsgálatokra adtak volna okot, egy nő pedig halála pillanatában egyértelműen invazív rákban szenvedett, amelyről fogalma sem volt.

A számok talán meglepőek, de a tanulmány nem tévedett. Más kutatások is hasonló eredményre jutottak. Sőt bizonyos becslések szerint a nők mintegy 9%-a tudtán kívül tumorokkal a mellében jár-kel a világban – mindez tízszerese a diagnosztizált megbetegedések számának. Mit jelentsen ez? Talán valami fel nem fedezett járvánnyal állunk szemben? Jonathan Kanevsky egészségügyi fejlesztő, a montreali McGill Egyetem kórházának sebészorvosa szerint nem. A rákos sejtek jelenléte ugyanis nem minden. Ha valakinek rákos sejtek vannak a testében, azokat az immunrendszere nagy valószínűséggel mutáns sejtként fogja azonosítani, és megöli – a rák tehát nem fejlődik félelmetes betegséggé. Néha azonban az immunrendszer elvéti a dolgot, és ehelyett a rákos sejtek növekedését támogatja. A rák csak ekkor válhat halálossá.

Nem minden rák egyforma. Néhányukkal megbirkózik a testünk, mások vígan eléldegélnek bennünk, amíg meg nem halunk, megint másokból pedig halálos kór fejlődik ki. A nehézség abban rejlik, hogy nem tudhatjuk, melyik melyik. Éppen ezért jelentenek olyan óriási problémát a spektrum közepén elhelyezkedő minták. Az egyértelműen jóindulatú és egyértelműen rosszindulatú végletek között található sejtburjánzások azonosítása jelenti a legkomolyabb feladatot, és ha egy patológus gyanús mintázatot fedez fel, az általa kiválasztott címke csak a jelenbeli állapotot képes leírni. Ez pedig nem sokat számít, hiszen sokkal inkább a jövőbeni állapot érdekel bennünket. Egy-egy betegség esetén pedig teljesen természetes, hogy a páciens számára is a jövőbeni kilátások a legfontosabbak. A megválasztott kezelés ennek megfelelően igen gyakran túlzott óvatosságról árulkodik.

Minél alaposabban szűrjük a mellrákot, annál több olyan nő életét forgatjuk fel, akik egyébként vígan éldegélnének tovább, mit sem sejtve a bennük rejtőző ártalmatlan tumorokról. Egy független kutatás az Egyesült Királyságban kimutatta, hogy minden 10 ezer olyan nőre, aki az elkövetkező 20 évben mellrákszűrésen vesz részt, 43 olyan esik majd, akit a szűrés ment meg a mellrák okozta haláltól. A New England Journal of Medicine orvosi szaklapban megjelent tanulmány szerint pedig minden 100 ezer olyan nőből, aki részt vesz a kötelező mammográfiai vizsgálaton, csupán 30-nál fedeznek fel életre veszélyt jelentő tumort. De (statisztikától függően) háromszor-négyszer ennyi nő kap túlzó diagnózist, és részesül kezelésben olyan tumor miatt, amely nem veszélyeztetné komolyan az életét.

Az algoritmusok új reményt nyújthatnak

©

Ha csak a normálistól eltérő mintázatok felismerésében vagyunk jók, de ezek jövőbeli változásának előrejelzésében már nem, nehezen oldható meg a túldiagnosztizálás és a felesleges kezelés problémája. De azért van remény. Elképzelhető, hogy a múlt- vagy jelenbeli adatsorok mélyén valahol olyan apró jelek rejtőznek, amelyekből kikövetkeztethető a jövőbeni egészségi állapot. Ha felfedezzük, melyek ezek, az előrejelzés gyerekjátékká válik a neurális hálózatok számára. Egy olyan területen, ahol az orvosok évtizedek óta keresik a választ a kérdésre: miért válik az egyik abnormális mintázat veszélyesebbé, mint a másik, egy friss szemmel érkező algoritmus sokat segíthet. Csak annyit kell tennünk, hogy tanulóadatként elegendő szövetmintát tárunk a neurális hálózat elé (köztük áttétes tumorokból, amelyek a test más részein is elterjedtek, és olyanokból, amelyek nem terjedtek tovább), és a gép mindenfajta előítélettől és előzetes tudástól mentesen vadássza le a gyanús nyomokat.

Ha lenne egy ilyen algoritmusunk, jelentőségét vesztené, melyik kategóriába soroljuk be a mintákat. A miérten sem kellene többet rágódnunk, ehelyett rögtön a végkövetkeztetésre ugorhatnánk: kezelni kell-e a pácienst, vagy sem? A jó hír, hogy ezen az algoritmuson már dolgoznak.

Andy Beck, a Harvard patológusa és a PathAI alapítója nemrégiben szabadjára eresztette algoritmusát néhány holland pácienstől szerzett szövetmintán, és azt tapasztalta, hogy a beteg túlélési esélyeit nem maguk a rákos sejtek, hanem sokkal inkább a rák melletti szövetekben található elváltozások jelzik előre. Ez rettentően fontos felfedezés – konkrét példa arra, hogyan mozdíthatják előre az algoritmusok a kutatást, ha sikerül olyan mintázatokat találniuk, amelyek az előrejelzés hatékonyságát segítik.

Adatban pedig nincs hiány. Hála a világszerte elterjedt rendszeres mellrákszűrésnek, a mellről több ultrahangfelvétel érhető el, mint amennyi a többi belső szervünkről összesen. Minden általam megkérdezett szakértő egybehangzóan állította: a küszöbön áll, hogy teljes biztonsággal meg tudjuk állapítani, egy gyanús minta vajon ténylegesen rákká alakul-e, vagy sem.

A fenti cikk Hannah Fry Emberek és gépek című könyvének szerkesztett részlete. A könyvben többek között választ kapunk arra, hogyan lopakodtak be az algoritmusok mindennapi életünk valamennyi színterére – az egészségügytől kezdve a bűnüldözésen át a politikáig. Tulajdonképpen fogalmunk sincs róla, mennyi hatalmat engedtünk át nekik eddig, és arról sincs, vajon nem mentünk-e már túl messzire. A könyvet itt rendelheti meg kedvezménnyel.

VELETEK VAGYUNK – OLVASÓKKAL, ÚJSÁGÍRÓKKAL!

A hatalomtól független szerkesztőségek száma folyamatosan csökken, a még létezők pedig napról napra erősödő ellenszélben próbálnak talpon maradni. A HVG-ben kitartunk, nem engedünk a nyomásnak, és minden nap elhozzuk a hazai és nemzetközi híreket.

Ezért kérünk titeket, olvasóinkat, hogy tartsatok ki mellettünk, támogassatok bennünket, csatlakozzatok pártolói tagságunkhoz, illetve újítsátok meg azt!

Mi pedig azt ígérjük, hogy továbbra is minden körülmények között a tőlünk telhető legtöbbet nyújtjuk a számotokra!
HVG Könyvek HVG Könyvek

Hogyan ismernek fel dolgokat az algoritmusok?

Az ember magától értetődően felismeri, mi van egy-egy képen, de elmagyarázni egy gépnek, hogyan csináljuk, egyszerűen elképzelhetetlen feladatnak látszott. A feladatban a neurális hálózatok segíthetnek, amelyek működését Hannah Fry matematikus mutatja be közérthető módon az Emberek és gépek című könyvében. Részlet.