Το μοντέλο μπορεί να προβλέψει με ακρίβεια καταστάσεις όπως ο διαβήτης και ο καρκίνος, ενώ είναι λιγότερο αξιόπιστο για θέματα όπως οι μολυσματικές ασθένειες και οι διαταραχές της ψυχικής υγείας.
Οι επιστήμονες λένε ότι δημιούργησαν ένα νέο εργαλείο τεχνητής νοημοσύνης (AI) που μπορεί να προβλέψει τον κίνδυνο των ανθρώπων να αναπτύξουν περισσότερες από 1.000 ιατρικές παθήσεις.
Το μοντέλο μπορεί να προβλέψει αν ένας ασθενής θα αναπτύξει ορισμένους καρκίνους, καρδιακές προσβολές και άλλες παθήσεις περισσότερο από μια δεκαετία πριν από την επίσημη διάγνωσή τους, σύμφωνα με τη μελέτη, η οποία δημοσιεύθηκε στο περιοδικό Nature την Τετάρτη.
“Αυτή είναι η αρχή ενός νέου τρόπου κατανόησης της ανθρώπινης υγείας και της εξέλιξης των ασθενειών”, δήλωσε ο Moritz Gerstung, επικεφαλής της ομάδας Τεχνητής Νοημοσύνης στην Ογκολογία στο Γερμανικό Κέντρο Έρευνας για τον Καρκίνο (DKFZ).
Καθώς η τεχνητή νοημοσύνη εισέρχεται στον ιατρικό τομέα, οι ερευνητές δήλωσαν ότι το νέο εργαλείο είναι ένα από τα μεγαλύτερα παραδείγματα μέχρι σήμερα για το πώς η τεχνητή νοημοσύνη θα μπορούσε να χρησιμοποιηθεί για να βοηθήσει τους ασθενείς.
Το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας ανώνυμα δεδομένα από 400.000 άτομα στο Ηνωμένο Βασίλειο και στη συνέχεια δοκιμάστηκε χρησιμοποιώντας δεδομένα από 1,9 εκατομμύρια άτομα στη Δανία.
Έμαθε να εντοπίζει μοτίβα που, με την πάροδο του χρόνου, τείνουν να καταλήγουν σε σοβαρές καταστάσεις υγείας – για παράδειγμα, χρησιμοποιώντας προηγούμενες διαγνώσεις και ιστορικό καπνίσματος. Λαμβάνοντας υπόψη τόσο τη σειρά αυτών των γεγονότων όσο και το χρονικό διάστημα που μεσολαβεί μεταξύ τους, το μοντέλο μπορούσε στη συνέχεια να προβλέψει τον κίνδυνο ενός ασθενούς να αναπτύξει διάφορες ασθένειες.
Οι ερευνητές τόνισαν ότι οι προβλέψεις του μοντέλου δεν σημαίνουν ότι ένας ασθενής θα νοσήσει σίγουρα – μάλλον ότι διατρέχει υψηλότερο κίνδυνο. Το συνέκριναν με μια πρόγνωση του καιρού.
Είπαν επίσης ότι το μοντέλο είναι πιο ακριβές σε παθήσεις με “σταθερά μοτίβα εξέλιξης”, όπως ορισμένες μορφές καρκίνου, ο διαβήτης, οι καρδιακές προσβολές και ένας τύπος δηλητηρίασης του αίματος γνωστός ως σηψαιμία. Επίσης, είναι γενικά πιο ακριβές βραχυπρόθεσμα παρά μακροπρόθεσμα.
Ωστόσο, το μοντέλο είναι λιγότερο αξιόπιστο για θέματα που είναι πιο δύσκολο να προβλεφθούν, όπως τα προβλήματα ψυχικής υγείας, οι μολυσματικές ασθένειες και οι επιπλοκές που σχετίζονται με την εγκυμοσύνη.
Το μοντέλο αποτελεί απόδειξη ότι η τεχνητή νοημοσύνη μπορεί “να μάθει πολλά από τα μακροπρόθεσμα πρότυπα υγείας μας και να χρησιμοποιήσει αυτές τις πληροφορίες για να δημιουργήσει ουσιαστικές προβλέψεις”, δήλωσε ο Ewan Birney, προσωρινός επικεφαλής του Ευρωπαϊκού Εργαστηρίου Μοριακής Βιολογίας (EMBL).
Σε δήλωσή του, ο Birney χαρακτήρισε το μοντέλο “ένα μεγάλο βήμα προς πιο εξατομικευμένες και προληπτικές προσεγγίσεις στην υγειονομική περίθαλψη”.
Το EMBL και το DKFZ συνεργάστηκαν με το Πανεπιστήμιο της Κοπεγχάγης για τη δημιουργία του μοντέλου.
Οι συγγραφείς της μελέτης δήλωσαν ότι το εργαλείο τεχνητής νοημοσύνης δεν είναι ακόμη έτοιμο να χρησιμοποιηθεί στα ιατρεία των γιατρών, αλλά ότι μπορεί ήδη να βοηθήσει τους ερευνητές να κατανοήσουν πώς αναπτύσσονται οι ασθένειες με την πάροδο του χρόνου και πώς ο τρόπος ζωής και το ιατρικό ιστορικό των ανθρώπων επηρεάζουν τους κινδύνους για την υγεία τους.
Ωστόσο, ανεξάρτητοι εμπειρογνώμονες σημείωσαν ότι το μοντέλο εκπαιδεύτηκε και δοκιμάστηκε σε σύνολα δεδομένων του Ηνωμένου Βασιλείου και της Δανίας, τα οποία είναι μεροληπτικά όσον αφορά την ηλικία, την εθνικότητα και τα αποτελέσματα της υγείας. Θα χρειαστεί περισσότερη δουλειά για να διασφαλιστεί ότι το μοντέλο μπορεί να προβλέψει με ακρίβεια τον κίνδυνο ασθένειας για πιο διαφορετικές ομάδες ανθρώπων.
Οι ερευνητές δήλωσαν ότι στο μέλλον, το εργαλείο θα μπορούσε να βοηθήσει τους γιατρούς να εντοπίσουν ασθενείς υψηλού κινδύνου πριν νοσήσουν.
Ο Gerstung δήλωσε ότι το εργαλείο θα μπορούσε “τελικά να υποστηρίξει νωρίτερα, πιο προσαρμοσμένες παρεμβάσεις”.
gr.euronews
The post Νέο εργαλείο τεχνητής νοημοσύνης προβλέπει τον κίνδυνο για περισσότερες από 1.000 ιατρικές παθήσεις μια δεκαετία νωρίτερα appeared first on SciNews.eu.
