«Παιδίατρος» με τεχνητή νοημοσύνη ξεκίνησε να κάνει διαγνώσεις στην Κίνα

Είναι σε θέση π.χ. να διαγνώσει -με ακρίβεια 90% έως 97% μια σειρά ασθενειών

«Παιδίατρος» με τεχνητή νοημοσύνη ξεκίνησε να κάνει διαγνώσεις στην Κίνα

 

Επιστήμονες από την Κίνα και τις ΗΠΑ δημιούργησαν το πρώτο σύστημα τεχνητής νοημοσύνης, το οποίο είναι ικανό να κάνει διαγνώσεις κοινών παιδικών ασθενειών με ακρίβεια ανάλογη ενός έμπειρου παιδίατρου ή ακόμη καλύτερα.

Το σύστημα προορίζεται να βοηθήσει τους γιατρούς που έχουν μεγάλο όγκο εργασίας, «πνίγονται» από μεγάλες ποσότητες ιατρικών δεδομένων ή έχουν αμφιβολίες για την ακρίβεια της διάγνωσης τους.

Οι ερευνητές, με επικεφαλής τον κινεζικής καταγωγής Κανγκ Ζανγκ του Πανεπιστημίου της Νότιας Καλιφόρνια στο Σαν Ντιέγκο, που έκαναν τη σχετική δημοσίευση στο ιατρικό περιοδικό “Nature Medicine”, χρησιμοποίησαν στοιχεία από περίπου 1,36 εκατομμύρια επισκέψεις ασθενών κάτω των 18 ετών σε παιδιάτρους στην Κίνα για να «εκπαιδεύσουν» τους αλγόριθμους του «έξυπνου» συστήματός τους.

Το σύστημα χρησιμοποιεί τεχνικές βαθιάς μηχανικής μάθησης για να εντοπίζει κλινικά σημαντικές πληροφορίες στα ιατρικά δεδομένα. Ανατρέχοντας σε ένα μεγάλο όγκο ηλεκτρονικών ιατρικών ιστορικών και αποτελεσμάτων διαγνωστικών εξετάσεων (απεικονιστικές, αίματος κ.α.), το σύστημα μαθαίνει να εντοπίσει παθήσεις που ακόμη και ένας παιδίατρος μπορεί να παραβλέψει.

Είναι σε θέση π.χ. να διαγνώσει -με ακρίβεια 90% έως 97%- ένα κοινό κρυολόγημα, μια γρίπη, μια οξεία κρίση άσθματος, μια μονοπυρήνωση, μια ανεμοβλογιά, μια ιγμορίτιδα ή μια μηνιγγίτιδα. Οι ερευνητές σύγκριναν τις επιδόσεις του συστήματος με τις διαγνώσεις 20 παιδιάτρων. Το σύστημα τα κατάφερε σε γενικές γραμμές καλύτερα από αυτούς με τη λιγότερη εμπειρία, αλλά χειρότερα σε σχέση με τους πολύ έμπειρους γιατρούς.

Οι ερευνητές ήδη ξεκίνησαν να εκπαιδεύουν το σύστημα για να διαγιγνώσκει και άλλες ασθένειες πέρα από τις παιδικές. «Πιστεύω ότι θα μπορεί να κάνει τελικά τις περισσότερες από τις δουλειές που σήμερα κάνει ένας γιατρός. Όμως η τεχνητή νοημοσύνη ποτέ δεν θα αντικαταστήσει ένα γιατρό. Απλώς θα επιτρέπει στους γιατρούς να κάνουν καλύτερη δουλειά σε λιγότερο χρόνο και με λιγότερο κόστος», δήλωσε ο Ζανγκ.

ΑΠΕ

 


Huiying Liang, Brian Y. Tsui, Hao Ni, Carolina C. S. Valentim, Sally L. Baxter, Guangjian Liu, Wenjia Cai, Daniel S. Kermany, Xin Sun, Jiancong Chen, Liya He, Jie Zhu, Pin Tian, Hua Shao, Lianghong Zheng, Rui Hou, Sierra Hewett, Gen Li, Ping Liang, Xuan Zang, Zhiqi Zhang, Liyan Pan, Huimin Cai, Rujuan Ling, Shuhua Li, Yongwang Cui, Shusheng Tang, Hong Ye, Xiaoyan Huang, Waner He, Wenqing Liang, Qing Zhang, Jianmin Jiang, Wei Yu, Jianqun Gao, Wanxing Ou, Yingmin Deng, Qiaozhen Hou, Bei Wang, Cuichan Yao, Yan Liang, Shu Zhang, Yaou Duan, Runze Zhang, Sarah Gibson, Charlotte L. Zhang, Oulan Li, Edward D. Zhang, Gabriel Karin, Nathan Nguyen, Xiaokang Wu, Cindy Wen, Jie Xu, Wenqin Xu, Bochu Wang, Winston Wang, Jing Li, Bianca Pizzato, Caroline Bao, Daoman Xiang, Wanting He, Suiqin He, Yugui Zhou, Weldon Haw, Michael Goldbaum, Adriana Tremoulet, Chun-Nan Hsu, Hannah Carter, Long Zhu, Kang Zhang & Huimin Xia.
Nature Medicine (2019).  Published: 

Τεχνητή νοημοσύνη

Τεχνητή νοημοσύνη

Το σύστημα χρησιμοποιεί τεχνικές βαθιάς μηχανικής μάθησης για να εντοπίζει κλινικά σημαντικές πληροφορίες στα ιατρικά δεδομένα. Ανατρέχοντας σε ένα μεγάλο όγκο ηλεκτρονικών ιατρικών ιστορικών και αποτελεσμάτων διαγνωστικών εξετάσεων (απεικονιστικές, αίματος κ.α.), το σύστημα μαθαίνει να εντοπίσει παθήσεις που ακόμη και ένας παιδίατρος μπορεί να παραβλέψει.

Sending
User Review
0 (0 votes)

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Theme by MyThemeShop.

Bad Behavior has blocked 261 access attempts in the last 7 days.

%d bloggers like this: