Θα το ακούμε όλο και περισσότερο, όλο και πιο συχνά. Tα μοντέλα Τεχνητής Νοημοσύνης δεν έρχονται. Είναι ήδη εδώ και με τεράστιες δυνατότητες για να βοηθήσουν και το πεδίο της ειδικότητα της Αιματολογίας. Νομίζω ότι για αρχή, και επειδή η αναγνώρισης εικόνας είναι η αιχμή του δόρατος, τα πεδία στα οποία θα έχει την πρωιμότερη πρόσβαση και απήχηση θα είναι η ακτινολογία, η δερματολογία, η οφθαλμολογία. Σε εμάς υπάρχουν τα επιχρίσματα αίματος, τα επιχρίσματα από αναρροφήσεις μυελού των οστών, οι οστεομυελικές βιοψίες, και υπάρχουν ήδη κάποια δημοσιεύματα που δείχνουν ότι, κι εκεί οι εφαρμογές της ανάλυσης και επεξεργασίας μεγάλου όγκου δεδομένων για αξιόπιστες και πλέον ακριβείς αναλύσεις χτυπάνε την πόρτα. Θα μπορούσε να βοηθήσει στην αποτελεσματικότητα όσον αφορά τον εντοπισμό περιοχών κινδύνου ή νόσου ή διήθησης από καρκινικά ή άλλα κύτταρα σε ένα δείγμα βιοψίας.
Μπορεί επίσης να βοηθήσει στην ταξινόμηση πληθυσμών κυττάρων στην κυτταρομετρία ροής, ερμηνεύοντας πολύπλοκα και πολυδιάστατα δεδομένα. Αλγόριθμοι που βοηθάνε στην ανίχνευση ελάχιστης υπολειπόμμενης νόσου (MRD) επίσης θα βελτιωθούν. Αποφάσεις για επιλογή θεραπείας όταν αυτή βασίζεται σε μοριακά/γονιδιακά μοντέλα θα γίνουν ακριβέστερες. Εδώ όμως πάλι, δηλαδή ότι αφορά ίσως την επιλογή θεραπείας, η πραγματικότητα είναι ότι τα υπάρχοντα στατιστικά μας μοντέλα είναι ήδη αρκετά καλά. Για παράδειγμα βασιζόμαστε συχνά στα Cox hazard ratios που είναι τόσο ισχυρά, που είναι απίθανο τουλάχιστον στο άμεσο μέλλον να παρεκτοπισθούν.
Οι παγίδες; Πάρα πολλές. Το σύστημα είναι τόσο καλό όσο το εκπαιδεύσεις. Μοντέλα εκπαιδευμένα σε βάσεις δεδομένων μη αντιπροσωπευτικές ή σύνθετες, θα υπολειτουργήσουν και τα αποτελέσματα που θα δώσουν θα είναι αναξιόπιστα. Πολλά μοντέλα υπολείπονται σε ερμηνευσιμότητα. Τι σημαίνει; Ο γιατρός διστάζει να ακολουθήσει παραδείγματα ή οδηγίες όταν δεν έχει πρόσβαση, κατανόηση ή απλά δεν υπάρχει εξήγηση. Φτωχά δεδομένα, αναξιόπιστα αποτελέσματα γύρω από βάσεις δεδομένων σπάνιων νοσημάτων (πολλές λευχαιμίες για παράδειγμα). Και ένα σωρό άλλα. Αλλά είναι θέμα χρόνου και προσαρμογής. Και το μέλλον θα φέρει ανακατατάξεις όπως τόσες φορές διδαχθήκαμε από το παρελθόν.
