Η τεχνητή νοημοσύνη μπορεί να προβλέψει τα προβλήματα υγείας των ανθρώπων

 Η τεχνητή νοημοσύνη (AI) έχει μάθει να εντοπίζει μοτίβα στα ιατρικά αρχεία των ανθρώπων για να υπολογίζει τον κίνδυνο εμφάνισης περισσότερων από 1.000 νόσων.

Οι ερευνητές λένε ότι είναι σαν μια πρόγνωση καιρού που προβλέπει 70% πιθανότητα βροχής – αλλά για την ανθρώπινη υγεία.

Ο στόχος τους είναι να χρησιμοποιήσουν το μοντέλο τεχνητής νοημοσύνης για να εντοπίζουν ασθενείς υψηλού κινδύνου, ώστε να προλαμβάνουν την εμφάνιση νόσων και να βοηθήσουν τα νοσοκομεία να προβλέψουν τη ζήτηση στην περιοχή τους, χρόνια πριν.

Το μοντέλο – που ονομάζεται Delphi-2M – χρησιμοποιεί τεχνολογία παρόμοια με αυτή των γνωστών chatbot τεχνητής νοημοσύνης, όπως το ChatGPT.

Τα chatbot τεχνητής νοημοσύνης εκπαιδεύονται να κατανοούν τα μοτίβα της γλώσσας, ώστε να μπορούν να προβλέπουν την ακολουθία των λέξεων σε μια πρόταση.

Το Delphi-2M έχει εκπαιδευτεί να εντοπίζει μοτίβα σε ανώνυμα ιατρικά αρχεία, ώστε να μπορεί να προβλέπει τι θα ακολουθήσει και πότε.

Δεν προβλέπει ακριβείς ημερομηνίες, όπως π.χ. μια καρδιακή προσβολή την 1η Οκτωβρίου, αλλά εκτιμά την πιθανότητα εμφάνισης 1.231 ασθενειών.

«Έτσι, όπως και με τον καιρό, όπου μπορεί να έχουμε 70% πιθανότητα βροχής, μπορούμε να το κάνουμε και για την υγειονομική περίθαλψη», λέει στο BBC ο καθηγητής Ewan Birney, προσωρινός εκτελεστικός διευθυντής του Ευρωπαϊκού Εργαστηρίου Μοριακής Βιολογίας.

«Και μπορούμε να το κάνουμε αυτό όχι μόνο για μία ασθένεια, αλλά για όλες τις ασθένειες ταυτόχρονα – κάτι που δεν είχαμε καταφέρει ποτέ στο παρελθόν», πρόσθεσε, δηλώνοντας ενθουσιασμένος για την εξέλιξη.

Το μοντέλο τεχνητής νοημοσύνης αναπτύχθηκε αρχικά χρησιμοποιώντας ανώνυμα δεδομένα από το Ηνωμένο Βασίλειο – συμπεριλαμβανομένων εισαγωγών σε νοσοκομεία, αρχείων γενικών ιατρών και συνηθειών του τρόπου ζωής, όπως το κάπνισμα – που συλλέχθηκαν από περισσότερα από 400.000 άτομα στο πλαίσιο του ερευνητικού προγράμματος της βρετανικής βιοτράπεζας UK Biobank.

Στη συνέχεια, το μοντέλο δοκιμάστηκε για να διαπιστωθεί εάν οι προβλέψεις του επαληθεύονταν χρησιμοποιώντας δεδομένα από άλλους συμμετέχοντες στη βιοτράπεζα και, στη συνέχεια, με τα ιατρικά αρχεία 1,9 εκατομμυρίων ατόμων στη Δανία.

Σύμφωνα με τον καθηγητή Birney, αν το μοντέλο λέει ότι υπάρχει 1 στις 10 πιθανότητες για τον επόμενο χρόνο, φαίνεται ότι πραγματικά είναι 1 στις 10.

Το μοντέλο είναι καλύτερο στην πρόβλεψη ασθενειών όπως ο διαβήτης τύπου 2, οι καρδιακές προσβολές και η σήψη, που έχουν σαφή εξέλιξη, παρά σε πιο τυχαία συμβάντα όπως οι λοιμώξεις.

Τι μπορείτε να κάνετε με τα αποτελέσματα
Στους ανθρώπους προσφέρεται ήδη μια στατίνη για τη μείωση της χοληστερόλης με βάση τον υπολογισμό του κινδύνου καρδιακής προσβολής ή εγκεφαλικού επεισοδίου.

Το εργαλείο τεχνητής νοημοσύνης δεν είναι έτοιμο για κλινική χρήση, αλλά ο σχεδιασμός είναι να χρησιμοποιηθεί με παρόμοιο τρόπο, για τον εντοπισμό ασθενών υψηλού κινδύνου, ενώ υπάρχει η δυνατότητα έγκαιρης παρέμβασης και πρόληψης της νόσου.

Αυτό θα μπορούσε να περιλαμβάνει φάρμακα ή συγκεκριμένες συμβουλές για τον τρόπο ζωής, όπως για παράδειγμα άτομα που είναι πιθανό να αναπτύξουν κάποια ηπατική διαταραχή και θα επωφεληθούν από τη μείωση της κατανάλωσης αλκοόλ περισσότερο από τον γενικό πληθυσμό.

Η τεχνητή νοημοσύνη θα μπορούσε επίσης να συμβάλει στην ενημέρωση των προγραμμάτων προληπτικού ελέγχου ασθενειών και στην ανάλυση όλων των αρχείων υγειονομικής περίθαλψης σε μια περιοχή, προκειμένου να προβλεφθεί η ζήτηση, όπως για παράδειγμα πόσες καρδιακές προσβολές θα συμβούν ετησίως στο Νόριτς το 2030, ώστε να βοηθήσει στον προγραμματισμό των πόρων.

«Αυτή είναι η αρχή ενός νέου τρόπου κατανόησης της ανθρώπινης υγείας και της εξέλιξης των ασθενειών», δήλωσε ο καθηγητής Moritz Gerstung, επικεφαλής του τμήματος τεχνητής νοημοσύνης στην ογκολογία στο DKFZ, το Γερμανικό Κέντρο Έρευνας για τον Καρκίνο.

Πρόσθεσε: «Γενετικά μοντέλα όπως το δικό μας θα μπορούσαν μια μέρα να βοηθήσουν στην εξατομίκευση της φροντίδας και στην πρόβλεψη των αναγκών υγειονομικής περίθαλψης σε μεγάλη κλίμακα».

Το μοντέλο τεχνητής νοημοσύνης, που περιγράφεται στο επιστημονικό περιοδικό Nature, χρειάζεται βελτίωση και δοκιμή πριν χρησιμοποιηθεί κλινικά.

Υπάρχουν επίσης κάποιες «παγίδες», καθώς δημιουργήθηκε από δεδομένα της UK Biobank, τα οποία προέρχονται κυρίως από άτομα ηλικίας 40 έως 70 ετών και όχι από ολόκληρο τον πληθυσμό.

Το μοντέλο αναβαθμίζεται τώρα για να λάβει υπόψη περισσότερα ιατρικά δεδομένα, όπως απεικονίσεις, γενετικά δεδομένα και αιματολογικές αναλύσεις.

Ωστόσο, ο καθηγητής Birney προβλέπει ότι θα ακολουθήσει παρόμοια πορεία με τη χρήση της γονιδιωματικής στην υγειονομική περίθαλψη, όπου χρειάστηκε μια δεκαετία για να περάσουν οι επιστήμονες από την εμπιστοσύνη στην τεχνολογία σε κανονική χρήση.

Η μελέτη ήταν μια συνεργασία μεταξύ του Ευρωπαϊκού Εργαστηρίου Μοριακής Βιολογίας, του Γερμανικού Κέντρου Έρευνας για τον Καρκίνο (DKFZ) και του Πανεπιστημίου της Κοπεγχάγης.