Dirbtinis intelektas medicinos sektorių transformuoja sparčiu žingsniu – nuo vaistų kūrimo laboratorijoje, pagalbos operacinėje iki pažangių medicininių įrenginių diagnostikai. Šįkart mokslininkai išties nustebins – jie pristatė sukurtą dirbtinio intelekto modelį, kuris geba prognozuoti žmogaus galimybę susirgti daugiau nei 1 000 įvairių ligų ir netgi numatyti, kada tai gali įvykti.
Vienas didžiausių tokių bandymų
Tyrėjų grupė „Nature“ moksliniame žurnale paskelbė tyrimą, kuriame aprašė sukurtą dirbtinio intelekto modelį, kodiniu pavadinimu „Delphi-2M“. Šis įrankis apmokytas anoniminiais beveik 2,3 mln. žmonių, gyvenančių Jungtinėje Karalystėje ir Danijoje, sveikatos duomenimis. Tai vienas įspūdingiausių tokio masto bandymų iki šiol pasitelkti dirbtinio intelekto technologiją, kuriant ateities potencialių ligų prognozavimo įrankį.
Skirtingai nei klasikinės tokio pobūdžio skaičiavimo sistemos, apimančios tik konkrečias būkles, ši orientuota į holistinį požiūrį. Jis realiai imituoja per dešimtmečius trunkančius sveikatos pokyčius, prognozuojant ligų, miego įpročių ar kitų rodiklių pablogėjimą.
Analizuos jūsų sveikatos duomenis
„Delphi-2M“ modelis yra sukurtas pokalbių roboto principu, tik jis yra skirtas tvarkyti ligos istorijas, o ne tekstą. Kiekviena diagnozė ar asmeninio gyvenimo detalė yra užkoduojama „žetonais“, kuriuos dirbtinio intelekto algoritmai analizuoja, vertinant ligos progresavimą.
Sėkmingam modelio veikimui, vartotojas turėtų pateikti informaciją apie savo amžių ir lytį, atskleisti ankstesnes diagnozes ar paminėti turimus įpročius, kaip rūkymas, alkoholio vartojimas ar kūno masės indeksą. Pagal tai modelis gali numatyti ir kitas ligas bei preliminarų laiką, kada jos gali pasireikšti.
Tyrimo metu „Delphi-2M“ kūrė sveikatos prognozes 60 metų asmenims. Mokslininkai atskleidžia, kad pirminiai bandymai buvo sėkmingi, o atliktų testų duomenys, palyginus po dešimtmečio, atskleidė, kad vidutinis tikslumo balas siekė 0,76 – vertinamas kaip puikus rezultatas, atsižvelgiant į žmonių sveikatos sudėtingumą.
Mokslininkai tikisi, kad šis įrankis galėtų tapti galinga visuomenės sveikatos planavimo priemone ir padėti nustatyti, kurios ligos greičiausiai išplis tarp ateities kartų.
Kita vertus, tyrėjai pripažįsta, kad dar reikalingi tolesni tyrimai, o modelis dar nėra visiškai tobulas. Jungtinės Karalystės duomenų rinkinių tikslumas buvo aukštesnis negu Danijos. Tai rodo, kad modelis nėra vienodai patikimas skirtingose populiacijose.
Dar vienas ribotumas susijęs su pačiais duomenimis – įrankis atspindi jų rinkinius, kuriais modelis buvo apmokytas, todėl kai kuriais atvejais jis gali būti šališkas.
Mokslininkai primena, kad tai bent jau kol kas nėra diagnostikos įrankis ir gydytojų jie tikrai nepakeis. Tačiau gauti duomenys gali padėti matyti bendras tendencijas ar planuoti prevencinę apžiūrą.
Nepaisant įvairių kliūčių, kurios ateityje vis labiau bus įveikiamos, jau dabar netrūksta atvejų, kai, pavyzdžiui, „ChatGPT“ akimirksniu nustatė ligą, kurios gydytojai nerado 10 metų.
Kaip vertinate šį straipsnį?
Prisijunk prie mūsų „Facebook“ bendruomenės
Trumpai, aiškiai ir be triukšmo – gaukite svarbiausias technologijų ir mokslo naujienas pirmieji.
- Sekite mokslo ir technologijų tendencijas
- Dalyvaukite diskusijose
- Naujienas gaukite pirmieji
