Τεχνητή νοημοσύνη προβλέπει καρδιακά επεισόδια καλύτερα από γιατρούς

Κάνει τη σύνδεση και με άλλες καταστάσεις υγείας
17 Απριλίου 2017 09:08
Τεχνητή νοημοσύνη προβλέπει καρδιακά επεισόδια καλύτερα από γιατρούς

Οι συχνές εξετάσεις υγείας όσο περνά η ηλικία βοηθούν τους γιατρούς να ανιχνεύσουν πιθανά προβλήματα στη γένεσή τους, επιτρέποντάς σας να προλάβετε δυσάρεστες καταστάσεις. Όπως τα καρδιακά επεισόδια.

Η τακτική παρακολούθηση της υγείας σας θα επιτρέψει στο γιατρό να ανιχνεύσει οποιαδήποτε δυσλειτουργία, ωστόσο και οι γιατροί είναι άνθρωποι και ίσως να τους ξεφύγουν κάποια σημάδια. Ερευνητές του Πανεπιστημίου του Nottingham ανέπτυξαν έναν αλγόριθμο εκμάθησης μηχανής ο οποίος μπορεί να προβλέπει καρδιακά επεισόδια καλύτερα από έναν γιατρό.

Βασισμένος στο σύστημα 8 σημείων που έχει καθιερώσει το American Heart Association, ένας γιατρός μπορεί να προβλέψει επιτυχώς ένα καρδιακό επεισόδιο με ακρίβεια 72.8%. Οι ερευνητές τροφοδότησαν την τεχνητή νοημοσύνη με 378.256 αρχεία ασθενών στο Ηνωμένο Βασίλειο και αφού η AI δημιούργησε το μοντέλο πρόβλεψης με τους 295.000 από αυτούς, κατάφερε να βελτιώσει στα εναπομείναντα αρχεία τα ποσοστά πρόβλεψης τα οποία κυμάνθηκαν από 74.5% έως 76.4%. Στα 83.000 αρχεία λοιπόν, η τεχνητή νοημοσύνη θα μπορούσε να σώσει 355 ζωές.

Ενδιαφέρον παρουσίασε πως το σύστημα μπόρεσε να εντοπίσει περιπτώσεις που δεν καλύπτονται από τις οδηγίες, όπως σοβαρές εγκεφαλικές παθήσεις, κατανάλωση κορτικοστεροειδών, εθνικότητα, αρθρίτιδα κ.α.

Υπάρχει μεγάλη αλληλεπίδραση στα βιολογικά συστήματα. Αυτή είναι η πραγματικότητα του ανθρώπινου σώματος. Αυτό που μας επιτρέπει η επιστήμη των υπολογιστών είναι να εξερευνήσουμε αυτές τις σχέσεις.

Μάλιστα ο Έλληνας Ευάγγελος Κοντοπαντελής του Πανεπιστημίου του Manchester, τονίζει πως μεγαλύτερη υπολογιστική ισχύς ή περισσότερα δεδομένα, θα είχαν ως αποτέλεσμα μεγαλύτερα ποσοστά. Σημειώνει επίσης το εξής σημαντικό.

Οι αλγόριθμοι της εκμάθησης μηχανής είναι σαν τα μαύρα κουτιά, με την έννοια ότι βλέπεις τα δεδομένα που εισάγονται και το αποτέλεσμα που εξάγεται, αλλά δεν μπορείς να καταλάβεις τι συμβαίνει ενδιάμεσα. Αυτό κάνει δύσκολο στους ανθρώπους να πειράξουν έναν αλγόριθμο και εμποδίζει τις προβλέψεις για το τι θα κάνει σε ένα νέο σενάριο.