Μεγαλύτερη ακρίβεια της τεχνητής νοημοσύνης από τους γιατρούς στην πρόγνωση εμφραγμάτων και εγκεφαλικών

Μάλιστα, συγκρινόμενο με την τυπική μέθοδο πρόγνωσης που χρησιμοποιούν οι γιατροί, το σύστημα έκανε σωστές προβλέψεις σε 355 επιπλέον περιπτώσεις.

 

Για τις προγνώσεις τους, οι γιατροί βασίζονται στους οδηγούς που έχουν καταρτίσει η Αμερικανική Ένωση Καρδιολόγων και το Αμερικανικό Κολέγιο Καρδιολογίας. Οι συγκεκριμένοι οδηγοί επικεντρώνονται σε παράγοντες νοσηρότητας οι οποίοι είναι πλέον αποδεδειγμένοι, όπως η υπέρταση, η χοληστερόλη, η ηλικία ή το κάπνισμα, ώστε να προσδιοριστούν οι μέθοδοι θεραπείας και πρόληψης κάθε ασθενή.

 

Από την άλλη μεριά, οι ερευνητές δοκίμασαν διάφορα εργαλεία μηχανικής μάθησης, χρησιμοποιώντας 378.256 ιατρικά αρχεία Βρετανών ασθενών. Σε πρώτη φάση, “τροφοδότησαν” τα μοντέλα με το 75% των αρχείων, ώστε κάθε ένα από αυτά να διαχωρίσει τα χαρακτηριστικά των ασθενών που έπαθαν έμφραγμα ή εγκεφαλικό μέσα σε 10 χρόνια.

 

Στην συνέχεια, έβαλαν τα μοντέλα να ελέγξουν το υπόλοιπο 25% των αρχείων, για να διαπιστώσουν ποια θα ήταν η ακρίβεια των προβλέψεών τους. Επίσης, για μέτρο σύγκρισης, έκαναν τις ίδιες προγνώσεις με βάση και τους οδηγούς των δύο επιστημονικών φορέων.

 

Με βάση μία στατιστική παράμετρο όπου η τιμή 1,0 δήλωνε ακρίβεια 100%, οι εκτιμήσεις με τους οδηγούς πέτυχαν 0,728. Αντίθετα τα μοντέλα μηχανικής μάθησης πέτυχαν “σκορ” από 0,745 έως 0,764, με την καλύτερη επίδοση να προέρχεται από το μοντέλο που βασίσθηκε στην τεχνολογία των νευρωνικών δικτύων. Μία επίδοση που “μεταφράζεται” σε σωστή πρόγνωση για 355 επιπλέον περιστατικά.

 

Σύμφωνα με τους επιστήμονες, μέσα σε μία πενταετία από σήμερα, τέτοια προγράμματα τεχνητής νοημοσύνης θα ξεκινήσουν να χρησιμοποιούνται από τους γιατρούς στην κλινική πράξη, για να κάνουν καλύτερες διαγνώσεις και προγνώσεις.

 

Site: Spectrum.IEEE