Τεχνητή νοημοσύνη προβλέπει τη διάρκεια ζωής των ασθενών

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.

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 Dr. Λουκ Όουκντεν- Ρέινερ, επικεφαλής ερευνητής, ακτινολόγος και διδακτορικός 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.

Δημοφιλή άρθρα

Λαμπάκι λαδιού: Γιατί ανάβει και πώς να το διορθώσετε;

Δείτε γιατί ανάβει το λαμπάκι λαδιού στο αυτοκίνητό σας και βρείτε όλα όσα χρειάζεται να γνωρίζεται για να το διορθώσετε!

Οδηγός Πόλης: Εναλλακτικοί χώροι για παιδικά πάρτυ στη Θεσσαλονίκη

Αν αναζητάτε εναλλακτικούς χώρους για παιδικά πάρτυ στη Θεσσαλονίκη, διαβάστε τον οδηγό μας & κάντε τα πιο αξέχαστα πάρτυ γενεθλίων ή γιορτής!

Λεκάνη τουαλέτας: 5 Παράγοντες για τη σωστή επιλογή!

Δείτε πώς να επιλέξτε την ιδανική λεκάνη τουαλέτας για τον χώρο και τις ανάγκες σας!

5 + 1 Κοντινές Αποδράσεις από τη Θεσσαλονίκη

Έχεις ανάγκη ένα city break; Βρες 5 + 1 μοναδικές προτάσεις μια ανάσα από τη Θεσσαλονίκη!

10 + 1 Χριστουγεννιάτικα Δώρα για Άντρες: Τι δώρο να του πάρω;

Αναζητάς χριστουγεννιάτικα δώρα για άντρες, αλλά δυσκολεύεσαι να αποφασίσεις τι τελικά θα πάρεις; Tο αντρικό δώρο είναι μια κατηγορία από μόνο του, καθώς συνήθως...