Στο Λονδίνο, AI βοήθησε χειρουργό ζωντανά σε όγκο εγκεφάλου

Ένα σύστημα τεχνητής νοημοσύνης, φτιαγμένο στο University College London, «ζωγράφιζε» ζωντανά με χρώματα νεύρα και αγγεία πάνω στο ενδοσκοπικό βίντεο, την ώρα που μια χειρουργική ομάδα αφαιρούσε έναν όγκο 11 χιλιοστών από την υπόφυση ενός ασθενούς. Ο όγκος πίεζε τα οπτικά του νεύρα και απειλούσε την όρασή του· το AI ήταν εκεί για να δείχνει στον χειρουργό πού να μην ακουμπήσει (UCLH).

Το UCL το περιγράφει ως την πρώτη δημόσια περίπτωση όπου τεχνητή νοημοσύνη ανέλυε ζωντανό ενδοσκοπικό βίντεο και υποστήριζε νευροχειρουργό σε πραγματικό χρόνο, με τον γιατρό πλήρως στον έλεγχο (UCL, BBC). Η τεχνητή νοημοσύνη έχει μπει στην ιατρική κι από άλλες πόρτες: πριν λίγους μήνες είδαμε μοντέλο να ταξινομεί όγκους εγκεφάλου σε λεπτά αντί για μέρες (To Brief). Η διαφορά τώρα είναι ότι το σύστημα δεν διαβάζει μια παγωμένη εικόνα πριν την επέμβαση, αλλά προσπαθεί να βλέπει σωστά ενώ ο χειρουργός δρα.

Η επέμβαση έγινε τον Μάιο στο National Hospital for Neurology and Neurosurgery και ανακοινώθηκε στις 27 Αυγούστου, αφού ο 48χρονος Rhys Hibbert είχε αναρρώσει. Οι χειρουργοί μπήκαν από τη μύτη με λεπτό ενδοσκόπιο, χωρίς να ανοίξουν το κρανίο, ενώ το AI έτρεχε σε ξεχωριστή οθόνη, παρακολουθούσε τα εργαλεία και σημείωνε τις δομές που έπρεπε να αποφευχθούν, σαν ένα δεύτερο ζευγάρι μάτια (BBC). Την ομάδα καθοδήγησε ο νευροχειρουργός Hani Marcus, με τους Danyal Khan και Sophia Bano, και ο χειρουργός κρατούσε τον έλεγχο σε κάθε κίνηση (Guardian). Το σύστημα αναπτύχθηκε με χρηματοδότηση από το κρατικό ινστιτούτο ερευνών υγείας της Βρετανίας, το NIHR, και τη Google (UCL).

Γιατί χρειάζεται τέτοια βοήθεια σε αυτό ακριβώς το σημείο; Η υπόφυση κάθεται σε ένα μικροσκοπικό οστέινο κοίλωμα στη βάση του εγκεφάλου, και ακριβώς από πάνω περνά το οπτικό χίασμα, το σημείο όπου διασταυρώνονται οι ίνες των οπτικών νεύρων. Ένας όγκος που μεγαλώνει προς τα εκεί πιέζει το χίασμα και κλέβει σιγά σιγά την όραση (Pituitary Foundation). Στο πλάι περνά η έσω καρωτίδα, η μεγάλη αρτηρία που τροφοδοτεί τον εγκέφαλο με αίμα· σε αυτό το βάθος, ένα λάθος χιλιοστού χωρίζει την αφαίρεση του όγκου από μόνιμη τύφλωση ή αιμορραγία (NCBI Bookshelf).

Η κλασική πλοήγηση στη νευροχειρουργική στηρίζεται σε μαγνητικές τομογραφίες που τραβήχτηκαν πριν την επέμβαση: είναι σαν να οδηγείς με έναν χάρτη που σχεδίασες πριν ξεκινήσεις. Το πρόβλημα είναι ότι, μόλις ανοίξει το χειρουργικό πεδίο, οι ιστοί μετακινούνται και ο χάρτης ξεφεύγει από την πραγματικότητα. Το ζωντανό AI δοκιμάζει κάτι άλλο: κοιτάζει κάθε καρέ της κάμερας τη στιγμή που παίζεται και μαντεύει ποια σημεία της εικόνας είναι νεύρο, ποια αγγείο, ποια ασφαλής ζώνη. Είναι η διαφορά ανάμεσα σε έναν χάρτη υπολογισμένο από πριν και σε ένα GPS που διαβάζει τον δρόμο τώρα. Και γι' αυτό είναι δύσκολο: το αίμα, ο καπνός, οι αντανακλάσεις και η κίνηση των εργαλείων αλλοιώνουν συνεχώς την εικόνα που βλέπει ο αλγόριθμος (nature.com).

Τι αποδεικνύει όμως στην πράξη ένα μεμονωμένο περιστατικό; Η επέμβαση ανήκει σε μια κλινική δοκιμή περίπου 30 ασθενών σε ένα μόνο νοσοκομείο, φτιαγμένη πρώτα να δείξει ότι η ζωντανή ανάλυση βίντεο μπορεί να λειτουργήσει με ασφάλεια, όχι ότι υπερτερεί της κλασικής χειρουργικής (ClinicalTrials.gov). Το πρωτόκολλο βάζει έναν συγκεκριμένο πήχη: θεωρεί απαράδεκτη κάθε καθυστέρηση πάνω από 200 χιλιοστά του δευτερολέπτου ανάμεσα σε ό,τι δείχνει το AI και στη ζωντανή εικόνα του χειρουργείου. Ο λόγος είναι απτός: μια ένδειξη που αργεί ελάχιστα, σε πεδίο χιλιοστών, λέει σωστά κάτι που ίσχυε ένα κλάσμα δευτερολέπτου πριν. Για να αποδειχθεί πραγματικό όφελος, θα χρειαστούν μεγαλύτερες, συγκριτικές σειρές που να δείχνουν λιγότερες επιπλοκές ή πληρέστερη αφαίρεση του όγκου (ClinicalTrials.gov).

Το πιο τίμιο μέτρο, πάντως, είναι η αντοχή του συστήματος, όχι η ακρίβειά του. Σε μια πρώιμη καταγραφή που δεν έχει περάσει ακόμη από ανεξάρτητη αξιολόγηση, το σύστημα δούλεψε ζωντανά στα τέσσερα από τα πρώτα έξι περιστατικά· στα άλλα δύο σταμάτησε πριν καν αρχίσει η επέμβαση, εξαιτίας ενός επαναλαμβανόμενου σφάλματος που το ανάγκαζε να επανεκκινεί (Sciety). Ο πρώτος αντίπαλος εδώ δεν είναι η ευφυΐα του μοντέλου· είναι η αξιοπιστία όλης της ροής, από την κάμερα ως την οθόνη.

Αυτή η αναλογία, τέσσερα στα έξι, είναι ίσως η πιο ειλικρινής περιγραφή του πού βρισκόμαστε: αρκετά ώριμο ώστε να δει ζωντανά τις δομές και να βοηθήσει τον χειρουργό, αρκετά εύθραυστο ώστε να σβήσει πριν αρχίσει η δουλειά. Η υπόσχεση και η ευθραυστότητα, στον ίδιο αριθμό.