2016-cı ildə Nobel mükafatı laureatı olan “süni intellektin xaç atası” Ceffri Hinton proqnozlaşdırmışdı ki, tibbi diaqnoz qoymaq üçün rentgen, ultrasəs və digər görüntüləri oxuyan radioloqlar beş il ərzində kompüterlərlə əvəz olunacaqlar. Bu gün bu sahə Mark Tvenin məşhur zarafatını sitat gətirərək cavab verə bilər: Ölüm xəbəri şişirtmə idi .

Radiologiyanın sıraları əslində durmadan artır və praktikantların sayının növbəti üç onillikdə 26 faiz və ya daha çox artacağı gözlənilir . Lakin Hintonun əmək bazarının dinamikası ilə bağlı görmədiyi şey onun uzaqgörənliyini gizlətməməlidir: O, haqlı idi ki, insan həkimlərinin indi onların göstəricilərinə uyğun və ya daha çox olan silikon əsaslı həmkarları var. Əslində, radiologiya süni intellekt üçün tibbin uzaq və qaynar nöqtəsidir və bu, səhiyyə və bəlkə də digər sahələrdə ekspert qərar qəbuletmə sistemlərinin tətbiqi üçün bir çağırış nöqtəsinə çevrilir.

2026-cı ilin əvvəlinə olan məlumata görə, Qida və Dərman Administrasiyası tərəfindən təsdiqlənmiş 1400 süni intellektlə təchiz olunmuş tibbi cihazın təxminən dörddə üçü radiologiya üçün idi. Bəziləri hesabatlar tərtib etməklə və ya təcili diqqət tələb edən görüntülər barədə həkimləri xəbərdar etməklə həkimləri daha səmərəli edir. Lakin digər süni intellekt alətləri insan gözü ilə görünməyən anomaliyaları müəyyən etməklə və ya görüntüləri həm də təlim keçmiş radioloqlar kimi şərh etməklə insan performansını yaxşılaşdırmaq potensialına malikdir. Məsələn, 43 klinik sınaqdan ibarət təhlil süni intellektlə dəstəklənən kolonoskopiyaların ənənəvi kolonoskopiyalara nisbətən daha çox polip aşkar etdiyini göstərdi.

Dəqiqliyin artırılması vacibdir, çünki diaqnostik görüntülərlə əlaqəli orta insan səhv nisbətlərinin 3 faizdən 5 faizə qədər olduğu təxmin edilir ki, bu da hər il dünyada təxminən 40 milyon səhv deməkdir. Lakin həll yolu insanları maşınlarla əvəz etmək qədər sadə deyil . Hintonun sensasiyalı proqnozundan on il sonra əsas sual insanların, yoxsa süni intellektin müəyyən bir tapşırıqda statistik cəhətdən daha yaxşı nəticə göstərməsi deyil, süni intellektin texniki dəqiqliyinin insanların təcrübəsi və çevikliyi ilə necə birləşdirilə biləcəyi və xəstələrin xeyrinə dəqiqliyi necə artıra biləcəyidir.

Birlikdə işləmək

Belə bir əməkdaşlıq sistemini dizayn etməyin ən yaxşı yolunu tapmaq asan deyil. Stanford Universitetinin Tibb və Görüntüləmə üzrə Süni İntellekt Mərkəzinin direktoru radioloq Kertis Lanqlotzun sözlərinə görə, süni intellekt müəyyən görüntüləri şərh etməkdə orta hesabla bacarıqlı radioloqdan daha etibarlı olsa belə, yenə də insanların etmədiyi bəzi səhvlərə yol verəcək. Bu, radioloqları hər bir süni intellekt qərarını – əksəriyyəti düzgün olacaq – qiymətləndirmək və alqoritmin səhv etdiyi nadir halları müəyyən etmək vəzifəsinə qoyur.

Memfisdəki Müqəddəs Cud Uşaq Tədqiqat Xəstəxanasının intellektual görüntüləmə informatikası şöbəsinin müdiri radioloq Pol Yi deyir: “Bu, tam bir zehni yenidənqurma tələb edir”.

Həkimlər kompüterlərin əmrlərini ləğv etməyə öyrəşiblər, amma bu an fərqlidir. Qayda əsaslı alqoritmlər tərəfindən işə salınan elektron tibbi qeyd xəbərdarlıqları on illərdir həkimləri potensial təhlükəli dərman qarşılıqlı təsirləri kimi şeylər barədə xəbərdar edir. Langlotz deyir ki, həkimlər adətən bu xəbərdarlıqları təxminən yarı vaxtda ləğv edirlər. “Kompüterdən bəzi məsləhətlər alacağam və bunu həmin xəstə haqqında sahib olduğum bütün digər məlumatlar kontekstində qiymətləndirməli və sadəcə ən yaxşı qərarı verməli olacağam”, – deyə o bildirir.

Bunun əksinə olaraq, radiologiyada süni intellekt görüntü analiz sistemləri adətən şiş alt tiplərini müəyyən edə, lezyonların sərhədlərini müəyyən edə və digər diaqnostik tapşırıqları yüksək dəqiqliklə yerinə yetirə bilən neyron şəbəkələrinə əsaslanır. Həkimlərin öz tibbi biliklərinə əsasən tez bir zamanda şərh edə biləcəyi cavablar və ya göstərişlər verən qaydalara əsaslanan alqoritmlərdən fərqli olaraq, neyron şəbəkələri “qara qutu” sistemləri adlanır . Bu süni intellekt modelləri adətən qərara necə gəldiklərini açıqlamır, bu da radioloqun veto qoyub-qoymamaq qərarını vermək işini daha qeyri-şəffaf edir.

Şimali Amerika Radiologiya Cəmiyyətinin nəşri olan “Radiology: Artificial Intellect ” kitabının redaktoru Çarlz Kan deyir: “Bu, həqiqətən də anormallıqdır, yoxsa mən süni intellektdə incə zehni və ya digər xüsusiyyətləri ilə müəyyən edən bir şeyi qaçırmışam. Və bu, bizim üçün həqiqətən çətindir.”

Veto gücü

Langlotz, ağciyər düyünlərinin 95 faizini sinə kompüter tomoqrafiyasında aşkarlaya bilən nəzəri süni intellekt alətinə nümunə göstərir, radioloqların isə 90 faizini aşkarladığı məlumdur. “Bəziləri deyərdi ki, ‘Oh, süni intellekt radioloqlardan daha yaxşıdır, ona görə də bütün radioloqları süni intellektlə əvəz etməliyik’,” deyə o bildirir. “Amma sizə deyim ki, radioloq aparatın qaçırdığı 5 faizin bir hissəsini aşkar edəcək. Və bu, maşın zəkası və insan zəkasının fərqli zəka növləri olması ilə bağlıdır.”

Süni intellekt, yorulmadan və ya diqqəti yayınmadan görüntüdəki hər pikseli araşdıra və onu indiyə qədər rastlaşdığı hər bir görüntü ilə müqayisə edə bilər. Bunun əksinə olaraq, radioloqların xəstəlikləri anlaması onlara görüntüləri süni intellekt tərəfindən şərh edilə bilməyən şəkildə şərh etməyə imkan verir.

“Süni intellekt və radioloqlar təbii olaraq fərqli bir şey düşündükdə, radioloqun hər dəfə süni intellekt düzgün olduqda qəbul edib hər dəfə səhv olduqda rədd etməsini necə təmin edirsiniz?” Mosaic Clinical Technologies şirkətinin baş tibbi süni intellekt direktoru Nina Kottler deyir. “Bu, mütləq asan deyil, amma bunu etməyin yolları var.”

İdeal süni intellekt/insan komandası yaratmaq məqsədi ilə dünyanın hər yerindəki radioloqlar, özləri və xəstələri süni intellektlə necə əməkdaşlıq etməyi öyrənmək üzərində işləyirlər ki, onun faydalarından yararlana bilsinlər. Bu əməkdaşlıq, həkimin süni intellektdən həddindən artıq asılı qalmasına və ya onun cavablarını yersiz şəkildə rədd etməsinə səbəb olan şüuraltı qərəzlərlə mübarizə aparmağı tələb edir . Beləliklə, bu sistemlərlə optimal şəkildə işləmək üçün radioloqlar süni intellektin ümumi etibarlılığını qiymətləndirməli və eyni zamanda onun səhvlərini də müəyyən etməlidirlər.

Langlotz deyir ki, “Bu sistemlərin necə işlədiyini bir az bilmək, alqoritmin sizi nə vaxt yoldan çıxara biləcəyini daha yaxşı başa düşməyinizə kömək edir”.

Bir insan və ya maşın tibbi görüntünün şərhində bəli/xeyr səhvi etdikdə, səhv etməyin iki yolu var: Yalançı mənfi nəticə xəstəliyin mövcudluğunu qaçırır, yalançı müsbət nəticə isə xəstəliyin əslində olmadığı halda onu görür.

Nadir xəstəliklər üçün – və əksər xəstəliklər nisbətən nadirdir – istənilən diaqnostika xəstəliyi olmayan çox sayda insanla qarşılaşdığı üçün çoxlu sayda yalançı müsbət nəticələrə səbəb olur və bu da yalançı həyəcan siqnalları vermək üçün daha çox imkan yaradır. Həkim bu yalançı müsbətləri tanıya və ləğv edə bilməlidir, eyni zamanda cihazın nisbətən nadir rast gəlinən düzgün diaqnozunu düzgün müəyyən etməlidir. Cihazın nəticələrinə – müsbət və ya mənfi – həddindən artıq inanmaq avtomatlaşdırma qərəzi adlanır.

Lakin yalançı neqativləri qəbul etməkdən də çəkinmək vacibdir. Məsələn, süni intellekt sistemi beyində qanın mövcudluğunu KT və ya MRT müayinəsində görməməzliyə vura bilər, halbuki o, əslində oradadır. Bu cür səhvlərə etibar etmək avtomatlaşdırmanın özündənrazılığı adlanır.

Kottler deyir ki, “Bunların hər ikisi süni intellektlə bağlı radioloqun şübhə səviyyəsini fərqinə varmadan dəyişdirməsinə imkan verməklə bağlıdır”. Zamanla insanlar süni intellektlə bağlı cavablara həddindən artıq inanmağa başlaya bilərlər. Bir araşdırma göstərib ki, hətta təcrübəli radioloqlar belə səhv süni intellekt proqnozlarının təsiri altında qərarlar verdikdə mammoqrafiya şərhlərinin dəqiqliyində böyük azalmalar müşahidə ediblər.

Digər tərəfdən, süni intellektə inamsızlıq məsələsi bir az daha intuitivdir. Bir çox insan təbii ki, yeni bir texnologiyaya, xüsusən də potensial olaraq onların işlərini ələ keçirməkdə ittiham olunan texnologiyaya, dəyərini sübut edənə qədər şübhə ilə yanaşacaq. Və əks halda etibarlı süni intellekt sistemlərinin insan səhvlərindən fərqli açıq-aşkar səhvlər etməsi kömək etmir. “Beləliklə, axmaq bir səhv, axmaq bir yalançı müsbət nəticə görürsünüz və “Əlbəttə ki, süni intellekt ağıllı deyil” deyə düşünürsünüz və sonra onu rədd edə bilərsiniz”, – deyə Kottler bildirir.

O, radioloqların süni intellektlə bağlı həmkarları ilə nə qədər razılaşıb-razılaşmadıqlarını zamanla izləməklə və əgər onlar bu və ya digər şəkildə həddindən artıq irəli gedirlərsə, müdaxilə etməklə bu qərəzlilikləri aradan qaldırmağı təklif edir. “Əgər radioloqlar süni intellekt nəticəsini yüz dəfədən 99-u ilə qəbul edirlərsə və biz bilirik ki, bu, yalnız 95 faiz dəqiqdir, biz həmin radioloqla danışırıq”, – deyə Kottler bildirir.

Kottler deyir ki, radioloqlara sadəcə süni intellekt alətinin vaxtın 95 faizində dəqiq olduğunu demək kifayət deyil. Həkimlərin nəyə və nə vaxt baxmalı olduqlarını bilməsi üçün təlim vacibdir. Məsələn, onlar xəstə skanerdə hərəkət edərsə, müəyyən bir süni intellekt alətinin müayinələrin 30 faizində səhv olacağını bilməlidirlər. Lakin Amerika Tibb Assosiasiyasının 2026-cı il sorğusuna cavab verən həkimlərin dörddə birindən çoxu süni intellekt haqqında heç bir təlim almadıqlarını və yalnız 11 faizi çoxlu təlim aldığını bildirib.

Kottler həmçinin sadə “bəli/xeyr” cavabı əvəzinə hər qiymətləndirmə üçün etibarlılıq qiymətləndirməsini bildirmək üçün süni intellekt alətlərinin istifadəsini müdafiə edir, çünki heç bir radioloqdan çoxsaylı süni intellekt sisteminin incəliklərini bilməsi gözlənilmir. Və bu sistemlər yalnız say və mürəkkəblik baxımından çoxalacaq.

Langlotz deyir ki, “Biz insan/maşın sistemini necə optimallaşdırmağı anlamağın lap başlanğıcındayıq”. O əlavə edir ki, radioloqların bu gün qiymətləndirməli olduğu vacib şey, təxminən on il əvvəl süni intellekt proqnozunun atasını təkzib edərkən dediyi eyni şeydir: Süni intellekt radioloqları əvəz edəcək deyil. Süni intellektdən istifadə edən radioloqlar bundan istifadə etməyən radioloqları əvəz edəcəklər.