Τα «ψηφιακά δίδυμα» ασθενών θα μπορούν να προβλέψουν μελλοντικές παθήσεις
ΕΙΔΗΣΕΙΣΚΟΣΜΟΣΥΓΕΙΑ 29 Μαρτίου 2024 fonisalaminas
Μοντέλα τεχνητής νοημοσύνης όπως το Foresight έχουν μεγάλες δυνατότητες να βελτιώσουν τα συστήματα υγειονομικής περίθαλψης, λένε οι επιστήμονες.
Ερευνητές στο Ηνωμένο Βασίλειο ανέπτυξαν ένα νέο εργαλείο τεχνητής νοημοσύνης το οποίο δημιουργεί «ψηφιακά δίδυμα» ασθενών προκειμένου να προβλέψει μελλοντικές παθήσεις που μπορεί να εμφανίσουν.
Το εργαλείο, που ονομάζεται Foresight, είναι ένα μεγάλο γλωσσικό μοντέλο (LLM)- όπως και το ChatGPT– το οποίο έχει εκπαιδευτεί ώστε να αναγνωρίζει σύνθετα μοτίβα τόσο σε δομημένα όσο και σε μη δομημένα δεδομένα των ηλεκτρονικών αρχείων υγείας. Ενώ το ChatGPT χρησιμοποιεί δημόσια διαθέσιμες πληροφορίες που δεν έχουν ελεγχθεί ιατρικά, το Foresight εκπαιδεύεται σε πληροφορίες από ηλεκτρονικά αρχεία υγείας (EHR) του Βρετανικού Συστήματος Υγείας (NHS).
Μοντέλα τεχνητής νοημοσύνης όπως το Foresight έχουν μεγάλες δυνατότητες να βελτιώσουν τα συστήματα υγειονομικής περίθαλψης, υποστηρίζοντας τη λήψη κλινικών αποφάσεων, καθώς και την πρόβλεψη κινδύνων στον πραγματικό κόσμο, την εξομοίωση δοκιμών και την κλινική έρευνα ή εκπαίδευση.
Οι ερευνητές εκπαίδευσαν τρία διαφορετικά μοντέλα του Foresight χρησιμοποιώντας δεδομένα από περισσότερους από 811.000 ασθενείς από το King’s College Hospital NHS Foundation Trust, το South London and Maudsley NHS Foundation Trust και το MIMIC-III (ένα δημόσια διαθέσιμο σύνολο δεδομένων ασθενών από το Beth Israel Deaconess Medical Center στις ΗΠΑ). Η χρήση των δεδομένων από το NHS με τη συμβολή των ασθενών και η μελέτη ολοκληρώθηκε εντός του NHS προκειμένου να διασφαλιστεί η ασφάλεια των δεδομένων των ασθενών.
Στη συνέχεια, οι ερευνητές τροφοδότησαν το Foresight με πρόσφατα δεδομένα υγειονομικής περίθαλψης προκειμένου να δημιουργήσουν εικονικά αντίγραφα ασθενών. Τα ψηφιακά δίδυμα προέβλεψαν διάφορα αποτελέσματα, από την εμφάνιση ασθενειών έως τις ανάγκες φαρμακευτικής αγωγής. Όταν εφαρμόστηκαν σε δεδομένα των ΗΠΑ, τα ψηφιακά δίδυμα αναγνώρισαν σωστά τις μελλοντικές παθήσεις ασθενών με ακρίβεια 88%. Ωστόσο, ήταν λιγότερο αποτελεσματικά σε βρετανικά δεδομένα, καθώς προέβλεψαν τις μελλοντικές παθήσεις των ασθενών με ακρίβεια 68%-76%.
«Η γενετική τεχνητή νοημοσύνη μας παράγει προβλέψεις βασιζόμενη στα δεδομένα του αρχείου υγείας σχετικά με οποιαδήποτε διαταραχή, εξέταση, φαρμακευτική αγωγή, θεραπεία ή ομάδες ασθενειών», δήλωσε ο συν-συγγραφέας της μελέτης, Τζέιμς Τέο, διευθυντής του Τμήματος Επιστήμης Δεδομένων και Τεχνητής Νοημοσύνης στο King’s College Hospital.
Ένα από τα κύρια πλεονεκτήματα του Foresight είναι ότι μπορεί εύκολα να επεκταθεί σε περισσότερους ασθενείς, νοσοκομεία με ελάχιστες ή καθόλου τροποποιήσεις, και όσο περισσότερα δεδομένα λαμβάνει, τόσο καλύτερο γίνεται, δήλωσε ο Zeljko Kraljevic, ο οποίος ανέπτυξε το εργαλείο.
Το Foresight αξιολογήθηκε επίσης από κλινικούς γιατρούς οι οποίοι διαπίστωσαν ότι οι προβλέψεις που παρείχε, συνέπιπταν με τις δικές τους κατά 93%. Οι ερευνητές σκοπεύουν να βελτιώσουν το εργαλείο, ενώ παράλληλα αναπτύσσουν ένα πιο ακριβές μοντέλο, το Foresight 2.
Τα ευρήματα της μελέτης δημοσιεύθηκαν στο επιστημονικό περιοδικό «Lancet Digital Health».
The Next Web, HDRUK, ertnews.gr
