Umjetna inteligencija ne znači uvijek i loše. Postoje primjene ovog fenomenalnog alata u dobre i korisne svrhe, a ne samo zlostavljanje žena, manjina i kreiranje slopa. AI dobre upotrebe se odnose na korištenje ove tehnologije u dijagnostici, za otkrivanje lijekova i generalno obrade velikih data setova za medicinu i naučna istraživanja. Dva nova istraživanja pokazuju kako bi vještačka inteligencija (AI) mogla značajno ubrzati dijagnostiku raka, smanjiti čekanje pacijenata i pomoći ljekarima da brže donose odluke o liječenju.

Istraživači sa Univerziteta Kalifornije u San Francisku (UCSF) i Univerziteta Kalifornija u Berkeleyju razvili su sistem zasnovan na AI modelu Mirai koji prepoznaje žene s povećanim rizikom od raka dojke već na osnovu skrining mamografije. Model je testiran na više od 4.100 mamograma, pri čemu je identifikovao 525 žena kao visokorizične. Zahvaljujući tome, pacijentice su mogle dobiti dodatna snimanja, a u nekim slučajevima i biopsiju istog dana. Vrijeme čekanja na dijagnostičku obradu smanjeno je sa nekoliko sedmica na oko jedan sat, dok je prosječno čekanje na biopsiju kod žena kojima je kasnije potvrđen rak dojke skraćeno sa više od dva mjeseca na manje od deset dana.

U međuvremenu, naučnici iz Njemačkog centra za istraživanje raka (DKFZ) i Univerziteta Heidelberg razvili su AI sistem nazvan Hetairos za dijagnostiku tumora mozga. Sistem koristi digitalizovane mikroskopske preparate rutinski obojenog tkiva kako bi prepoznao više od 100 molekularnih podtipova tumora centralnog nervnog sistema. Hetairos je treniran na više od 11.000 uzoraka tkiva od 9.606 pacijenata iz medicinskih centara na četiri kontinenta.

Kada je AI bio siguran u svoju procjenu, tačnost dijagnoze iznosila je oko 87 do 88 posto. U direktnom poređenju s pet iskusnih neuropatologa, Hetairos je ostvario tačnost od 68%, dok su stručnjaci postigli prosječno 30%.

Iako nijedan od ovih sistema ne zamjenjuje ljekare, rezultati pokazuju da bi AI mogao postati vrijedan alat za bržu, precizniju i personalizovaniju dijagnostiku različitih vrsta raka.

Naučnici sa Univerziteta u Queenslandu razvili su novi okvir koji procjenjuje koliko su pouzdana objašnjenja koja umjetna inteligencija daje tokom razvoja novih antibiotika. Cilj je riješiti problem takozvane „crne kutije“ AI-ja, odnosno situacije u kojima algoritam daje preporuku bez jasnog objašnjenja kako je do nje došao.

To je posebno važno u razvoju antibiotika jer pogrešna tumačenja mogu dovesti do loših odluka i gubitka vremena i resursa u laboratoriji. Istraživači su testirali tri AI modela na podacima o hemijskim spojevima ispitivanim protiv bakterije Staphylococcus aureus kako bi provjerili mogu li ispravno prepoznati ključne strukture lijekova i objasniti promjene koje utiču na njihovu učinkovitost. Ovakav pristup mogao bi povećati povjerenje naučnika u AI i ubrzati razvoj novih antibiotika za borbu protiv bakterija otpornih na lijekove.

Refeence:

  1. Chung, M., Davis, E., Greenwood, H. et al. Prospective deployment of AI-based risk stratification to enable expedited mammography workflow in a safety-net setting. npj Digit. Med. (2026). https://doi.org/10.1038/s41746-026-02743-x

  2. Jin D., Shmatko A., Patel A. et al. Hetairos is a histology-based artificial intelligence model for predicting central nervous system tumor methylation subtypes. Nature Cancer (2026). DOI: 10.1038/s43018-026-01186-3
  3. Onawole, A.T., Blaskovich, M.A.T. & Zuegg, J. Framework for evaluating explainable AI in antimicrobial drug discovery. J Cheminform 18, 81 (2026). https://doi.org/10.1186/s13321-026-01200-x