I løbet af de sidste par år har vi oplevet en eksponentiel stigning i dataoprettelse. Fra vores smartphone fortæller os, hvor mange skridt vi tager, for at tælle de gange, vi kommer på offentlig transport, til hvor mange megabyte vi bruger på vores mobildatahastighed.
Big data
Ligesom disse data genereres fra vores daglige liv, sker det samme i det kliniske miljø: antallet af gange, vi besøger skadestuen, de lejligheder, vi bliver indlagt på hospitalet, antallet af ordinerede lægemidler eller røntgenbillederne taget i hele vores liv blandt andet.
Kunstig intelligens
Den enorme mængde data er langt ud over menneskets analytiske kapacitet. Det kræver teknologi, der er i stand til at lagre, behandle og beskytte disse værdifulde data. Derfor er det ikke kun hjælp fra computere nødvendigt, men også kunstig intelligens og algoritmer. Og netop takket være disse og andre værktøjer (deep learning, machine learning) gør man i de senere år mange opdagelser, ud over at forudsige fremtidige scenarier i form af epidemiologi, som det er tilfældet med urogenital cancer.
Deep learning
Et andet eksempel på disse nye værktøjer, denne gang deep learning: Det tilfælde, hvor maskinen lærer at genkende en række mønstre, i dette eksempel, har været analysen af oftalmologisk fundus. I dag kender vi forholdet mellem øjenfundus og dets forhold til hjertesygdomme. Hvad vi ikke var i stand til at forudsige og med en så høj grad af nøjagtighed var risikoen samt andre parametre. Maskinen analyserede mere end 200,000 patienter og har været i stand til at identificere ikke kun risikomønstre, men også den deltagende befolknings køn, alene gennem tykkelsen af øjets årer – noget som menneskelig kapacitet ikke har opnået, umuligt til dato.
AI og farmakogenetik
Der er også betydelige fremskridt inden for farmakogenetik. Kan du forestille dig, at vi ikke bliver nødt til at teste nye lægemidler i mennesker og ikke-menneskelige dyrepopulationer? Forskellige teams udfører allerede denne type forskning. Gennem brugen af kunstig intelligens og massive data er den mulige indvirkning, som flere stoffer kan have på befolkningen, allerede under undersøgelse.
AI er kommet for at blive
Kunstig intelligens ankom for et par årtier siden for at blive, og ikke forgæves. Vi vil se i fremtiden, hvordan al denne enorme mængde massedata vil påvirke verdens befolkning. For øjeblikket er grundlaget for, hvad der burde være en universel etisk ramme, allerede ved at være i gang. Og den etiske ramme skal omhandle universelle principper såsom gennemsigtighed, retfærdighed, ikke-ondskab, ansvarlighed og privatliv.
