Journal of Medical Internet Research stavlja AI pred težak test lijekova u trudnoći

To nije uska tehnička ni akademska tema. To je svakodnevni klinički problem. Trudnice su često nedovoljno zastupljene u kliničkim ispitivanjima, dok se terapijske odluke moraju donositi i kada idealan dokaz ne postoji. Liječnik ne može pauzirati astmu, depresiju, epilepsiju, infekciju ili kroničnu bolest samo zato što je baza dokaza nepotpuna. Zato se sigurnost lijekova u trudnoći velikim dijelom oslanja na registre, elektroničke zdravstvene zapise, prijave nuspojava i retrospektivne analize.

U tom okruženju strojno učenje ima jasnu, ali ograničenu ulogu. Može brzo pregledati obrasce koje ljudi ne bi praktično mogli pratiti ručno: koji se lijekovi pojavljuju uz koje ishode, u kojem dijelu trudnoće se bilježi izloženost, gdje se signal ponavlja i gdje podaci možda samo odražavaju bolest zbog koje je lijek propisan. To je farmakovigilancija kao sustav ranog upozorenja, ne automat koji izdaje kliničku presudu.

Najvažnija riječ u cijeloj priči je "moguće". Algoritam može pronaći povezanost između izloženosti i ishoda, ali povezanost nije dokaz uzročnosti. U trudnoći je ta razlika osobito oštra jer se preklapaju doza, vrijeme izloženosti, dob majke, komorbiditeti, pristup skrbi i sama bolest koja se liječi. Ako se ti čimbenici ne odvoje pažljivo, sustav može izgledati pametno, a zapravo samo preciznije opisivati pristranost u podacima.

Zato je regulatorni kontekst važan. Američki FDA okvir za označavanje lijekova u trudnoći i dojenju traži strukturiranije informacije o riziku, koristima i dostupnim dokazima. CDC-ov program Treating for Two naglašava isti problem iz javnozdravstvenog kuta: trudnice i njihovi liječnici trebaju bolje podatke o lijekovima koji se već koriste, ne samo općenite opomene.

Ovdje je stvarna vrijednost strojnog učenja. Ne u tome da liječniku kaže jednostavno "sigurno" ili "nesigurno", nego da istraživačima pomogne brže odvojiti slab signal od šuma i odlučiti što treba dublju epidemiološku, kliničku ili regulatornu analizu. Ako su modeli transparentni, ako se provjeravaju pristranosti i ako se rezultati ne prodaju kao konačna istina, mogu skratiti put od razbacanih zapisa do korisnijeg pitanja.

Za pacijentice to neće izgledati kao spektakularna AI revolucija. Izgledat će kao bolji razgovor u ordinaciji: jasnije objašnjenje poznatih rizika, poštenije priznanje nepoznanica i manja vjerojatnost da se odluka temelji na tankom dokazu ili strahu. U području gdje se istodobno liječi bolest i štiti trudnoća, to je dovoljno velik pomak.