Startup zajmujący się AI w medycynie argumentuje, że spora część niepowodzenia sztucznej inteligencji w leczeniu raka wynika z problemu z danymi, a nie z samych algorytmów. Modele AI mogą być zaawansowane, ale bez dostępu do reprezentatywnych, wysokiej jakości zestawów danych klinicznych będą działać poniżej swoich możliwości.
Problema tkwi w tym, jak fragmentaryczne i rozproszone są dane medyczne. Każdy szpital, każna klinika przechowuje informacje w różnych formatach, wiele instytucji nie chce je udostępniać ze względu na obawy o prywatność pacjentów. Modele trenowane na takich niespójnych danych uczą się na podstawie błędnych lub niewystarczających sygnałów. To jak próbować nauczyć sieć neuronowej rozpoznawać nowotwory, gdy dostarcza się jej chaotyczną mieszankę badań z różnych dekad, różnych technologii i metodologii.
Starup postuluje, że rzeczywisty przełom w AI dla onkologii wymaga bardziej systemowego podejścia - scentralizowanych, ustandaryzowanych, bezpiecznych repozytoriów danych klinicznych. To wciąż bardzo trudne ze względów regulacyjnych i etycznych, ale to właśnie decyduje o tym, czy AI będzie kiedykolwiek istotnym narzędziem w walce z rakiem, czy pozostanie zaledwie obietnicą bez realnego wpływu na terapię.