На почетокот од пандемијата докторите во Европа се уште не ја разбираат доволно болеста и здравствената криза која им се случува. Главен извор на податоци околу пандемијата е Кина, која има 4-месечна предност пред нив во справување со ковид.
Тогаш логиката на епидемиологот Лорен Вајнантс од Универзитетот во Мастрихт која истражува алатки за предвидување е „ако има еден момент во времето кога вештачката интелигенција може да се покаже како корисна, тогаш тоа е сега“.
„И тоа никогаш не се случи - но не затоа што не се трудеа. Истражувачките тимови низ светот се приклучија да помогнат. Заедницата зад вештачката интелигенција, посебно, побрза да развие софтвер за кој многумина веруваа дека ќе им дозволи на болниците побрзо да дијагностицираат или да направат тријажа на пациентите, носејќи ја многу потребната предност на борбените линии. Теоретски.
На крај беа развиени стотици предвидувачки алатки. Ниту една од нив не направи вистинска разлика, а некои потенцијално беа и штетни,“ пишува Вил Даглас Хевен во текстот за МИТ технолоџи ривју.
Ова што го наведува Хевен е заклучокот од повеќе студии објавени изминативе неколку месеци, според кои алатките базирани на вештачка интелигенција имале многу мало или воопшто немале влијание во борбата против ковид.
Вајнантс е авторка на една од студиите, во која таа и колегите анализираат 232 алгоритми за дијагностицирање пациенти и предвидување кој од нив колку тешко ќе ја мине болеста. Тие заклучуваат дека ниту една од овие 232 алгоритми не се соодветни за клиничко користење.
Друга студија се фокусира на моделите на изучување за дијагностицирање на ковид, и предвидување на ризикот за пациентот врз основа на неговата медицинска слика, како рендген на гради или компјутерска-томографија. Тие анализираат 415 објавени алатки, и како и Вајнантс, заклучуваат дека ниту една од нив не е соодветна за клиничка употреба.
И двата тима заклучуваат дека при создавањето на алатките направени се истите основни грешки во начинот како се тренира и тестира вештачката интелигенција за овие алатки.
Голем број од проблемите што се откриени се поврзани со лошиот квалитет на податоците што истражувачите го користат за развивање на своите алатки. Медицинските информации што тие ги имаат околу ковид пациентите, најчесто доаѓаат од доктори кои се во секојдневна борба за спасување на животот на овие пациенти, па не можат задоволувачки квалитетно да ги бележат информациите.
Аналитичарите овие податоци ги нарекуваат Франкештајн податоци, затоа што се составени од најразлични извори и можат да содржат дупликати.
„Ова значи дека некои алатки се тестирани на истите податоци на кои се обучувани, заради што излегуваат попрецизни отколку што вистински се,“ пишува Хевен.
