Τεχνητή νοημοσύνη προβλέπει τη διάρκεια ζωής ασθενών
Ουσιαστικά θα αποφασίζουν για το αν θα ζήσει ή θα τον πεθάνουν έναν ασθενή. Όλα θα είναι ζήτημα κέρδους και συμφέροντος, η αξιοπρέπεια της ζωής του ανθρώπου μπαίνει σε δεύτερη μοίρα. Μπορεί να ισχυριστούν πως θα βοηθήσει στην αγωγή της ασθένειας, όμως η κερδοφορία θα αποφασίζει για την ζωή.
Τη δυνατότητα πρόγνωσης της διάρκειας ζωής ενός ασθενούς απλά και μόνο μέσω ανάλυσης εικόνων των οργάνων του από έναν υπολογιστή «ξεκλειδώνει» νέα έρευνα του University of Adelaide. Η έρευνα δημοσιεύτηκε στο Scientific Reports και είναι ιδιαίτερα σημαντική για τον τομέα των διαγνώσεων, ειδικά για σοβαρές ασθένειες.
Ειδικότερα, επιστήμονες από το School of Public Health και το School of Computer Science του πανεπιστημίου, μαζί με άλλους συνεργάτες από την Αυστραλία και το εξωτερικό, χρησιμοποίησαν τεχνητή νοημοσύνη για να αναλύσουν ιατρικές εικόνες από τα στήθη 48 ασθενών.
Η ανάλυση αυτή μπόρεσε να οδηγήσει σε προβλέψεις σχετικά με το ποιοι θα πέθαιναν μέσα σε πέντε χρόνια, με ακρίβεια της τάξης του 69%, η οποία πλησιάζει αυτήν των «κανονικών» προγνώσεων από γιατρούς. Όπως αναφέρεται σε ανακοίνωση του πανεπιστημίου, πρόκειται για την πρώτη μελέτη τέτοιου τύπου που περιλαμβάνει ιατρικές εικόνες και τεχνητή νοημοσύνη.
«Η πρόγνωση του μέλλοντος ενός ασθενούς είναι χρήσιμη επειδή μπορεί να επιτρέψει σε γιατρούς να προσαρμόζουν θεραπείες σε ασθενείς» είπε ο δόκτωρ Λουκ Όουκντεν- Ρέινερ, επικεφαλής ερευνητής στο School of Public Health του πανεπιστημίου.
«Η ακριβής αξιολόγηση της βιολογικής ηλικίας και η πρόβλεψη της μακροζωίας ενός ασθενούς μέχρι τώρα περιορίζονταν από την αδυναμία των γιατρών να δουν μέσα στο σώμα και να εκτιμήσουν την υγεία του κάθε οργάνου.
Η έρευνά μας διερεύνησε τη χρήση του «deep learning», μιας τεχνικής όπου τα συστήματα υπολογιστή μπορούν να μαθαίνουν πώς να κατανοούν και να αναλύουν εικόνες. Αν και για αυτή τη μελέτη χρησιμοποιήθηκε μόλις ένα μικρό δείγμα ασθενών, η έρευνά μας υποδεικνύει πως ο υπολογιστής έχει μάθε να αναγνωρίζει τις εμφανίσεις ασθενειών, κάτι που απαιτεί εκτενή εκπαίδευση ανθρώπων ειδικών» λέει ο Όουκντεν -Ρέινερ.
Αν και οι ερευνητές δεν ήταν σε θέση να αναγνωρίζουν επακριβώς τι ήταν αυτό που έβλεπε το σύστημα στις εικόνες για να κάνει τις προβλέψεις του, οι πιο «σίγουρες» εξ αυτών είχαν να κάνουν με ασθενείς με χρόνιες παθήσεις, όπως το εμφύσημα κ.α.
«Αντί να επικεντρώνουν στη διάγνωση ασθενειών, τα αυτόματα συστήματα μπορούν να προβλέπουν ιατρικές εξελίξεις με τρόπο που οι γιατροί δεν έχουν εκπαιδευτεί να το κάνουν, αξιοποιώντας μεγάλους όγκους δεδομένων και εντοπίζοντας λεπτά μοτίβα» προσθέτει ο Όουκντεν -Ρέινερ.
