შეიმუშავეს ხელოვნური ინტელექტი, რომელსაც 1 000-ზე მეტი დაავადების პროგნოზირება შეუძლია

 მეცნიერებმა განაცხადეს, რომ შექმნეს ხელოვნური ინტელექტის მოდელი, რომელსაც სამედიცინო დიაგნოზის პროგნოზირება წლებით ადრე შეუძლია. სისტემა იმავე ტექნოლოგიას ეფუძნება, რასაც ChatGPT და სხვა ჩატბოტები.

"პაციენტის სამედიცინო ისტორიაზე დაყრდნობით, Delphi-2M-ის სახელწოდების მქონე ხელოვნური ინტელექტი 1 000-ზე მეტი დაავადების მაჩვენებლებს პროგნოზირებს", — წერენ ბრიტანეთის, დანიის, გერმანიისა და შვეიცარიის ინსტიტუტების მკვლევრები Nature-ში გამოქვეყნებულ სტატიაში.

მკვლევრებმა მოდელი ბრიტანეთის UK Biobank-ის მონაცემებზე გაწვრთნეს — მასშტაბურ ბიომედიცინის კვლევით ბაზაზე, რომელიც დაახლოებით ნახევარი მილიონი ადამიანის შესახებ დეტალურ ინფორმაციას მოიცავს.

ნერვული ქსელი ე.წ. ტრანსფორმერ არქიტექტურას ეფუძნება, რომელიც ჩატბოტებში ენობრივი ამოცანების შესრულებითაა ცნობილი.

"სამედიცინო დიაგნოზებში გარკვევა ცოტათი ტექსტში გრამატიკის შესწავლას ჰგავს", — თქვა ხელოვნური ინტელექტის ექსპერტმა მორიც გერშტუნგმა.

მკვლევრებმა აღნიშნეს, რომ Delphi-2M ჯანდაცვის მონაცემებში არსებულ ნიმუშებს სწავლობს, იკვლევს წინა დიაგნოზებს და შესაბამისად აკეთებს პროგნოზებს.

გერშტუნგმა წარადგინა დიაგრამები, რის მიხედვითაც, ხელოვნურ ინტელექტს შეუძლია გამოარჩიოს ისეთი ადამიანები, რომლებსაც გულის შეტევის იმაზე მაღალი ან დაბალი რისკები აქვთ, ვიდრე ამაზე მათი ასაკი და სხვა ფაქტორები პროგნოზირებს.

მკვლევრებმა Delphi-2M ორ მილიონზე მეტი ადამიანის მონაცემებზე დატესტეს, რომლებიც დანიის საზოგადოებრივი ჯანდაცვის ბაზიდან მოიპოვეს. მეორე მხრივ, გერშტუნგი და მისი ჯგუფის წევრები აღნიშნავენ, რომ ინსტრუმენტს დამატებითი ტესტირება სჭირდება და კლინიკური გამოყენებისთვის ჯერ მზად არ არის.

"ტექნოლოგიას ჯერ კიდევ დახვეწა სჭირდება. ავტორებიც აღიარებენ, რომ ორივე (ბრიტანეთისა და დანიის) მონაცემთა ბაზა მიკერძოებულია ასაკის, ეთნიკურობისა და მიმდინარე სამედიცინო შედეგების მხრივ", — აღნიშნა ჯანდაცვის ტექნოლოგიების მკვლევარმა პიტერ ბენისტერმა, რომელიც ბრიტანეთის საინჟინრო და ტექნოლოგიების ინსტიტუტის წევრია.

მეორე მხრივ, ბენისტერმა Delphi-2M-ის სისტემის პოტენციალს ხაზი გაუსვა და დაამატა, რომ მას დიდი მომავალი აქვს.

"უფრო ფართო მასშტაბზე, ასეთი ინსტრუმენტები შეიძლება დაგვეხმაროს რესურსების ოპტიმიზაციაში. გადატვირთული ჯანდაცვის სისტემაში ეს ძალიან მნიშვნელოვანია", — განაცხადა ევროპის მოლეკულური ბიოლოგიის ლაბორატორიის მკვლევარმა ტომ ფიცჯერალდმა.