Algoritem, ki so ga poimenovali tudi »zdravniški možgani«, je v sodelovanju z Googlom izumila skupina raziskovalcev z univerz v Chicagu in San Franciscu. Ker lahko Google naenkrat pregleda velike količine informacij, med njimi pa izloči relevantne, so želeli takšen sistem uporabiti tudi v zdravstvu. Človeško oko namreč ob veliki količini marsikaj spregleda ali pa se mu zdijo podatki, kot na primer pozabljeni zdravniški zapiski in nepregledni dokumenti, povsem nepomembni.
Umetna inteligenca lahko hitro poveže koristne informacije med seboj. Program uporablja znane podatke, na podlagi katerih se uči in razvija. Z analizo specifičnih informacij, kot so na primer starost, spol in genetski zapis, v kombinaciji z zdravniško diagnozo in drugimi ugotovitvami lahko predvidi možne zaključke. Zanimiv je zato, ker to naredi hitreje in natančneje kot drugi sistemi, ki jih že uporabljajo v bolnišnicah.
Velika natančnost predvidevanja smrtnega izida
Da so usposobili omenjeni algoritem, so več kot tri leta zbirali anonimne podatke 216.211 odraslih oseb v dveh ameriških bolnišnicah, navajajo v znanstveni reviji Nature. Sistem je tako operiral z več kot 46 milijardami informacij o specifičnih podatkih pacientov. Po določenem času je lahko tudi posamezne besede (na primer življenje, smrt…) povezal z določenim izidom in napovedal, kako (ne)verjetno je, da bo nekdo umrl.
Znanstveniki so natančnost umetne inteligence testirali v več situacijah in v dveh bolnišnicah, kjer so zbirali podatke. V primeru napovedi smrti v 24 urah, ko je bil pacient v bolnišnico sprejet, je bil algoritem natančen 95-odstotno v bolnišnici A in 93-odstotno v bolnišnici B. V nasprotju s tradicionalnim modelom, ki ga bolnišnice pogosto uporabljajo (slednji je bil v bolnišnici A natančen 85-odstotno in v B 86-odstotno), se je rezultat izboljšal.
Za napoved ponovnega sprejema pacienta v bolnišnico v manj kot 30 dneh, potem ko so ga odpustili, je Googlov algoritem pravilno presodil v 77 odstotkih v primeru bolnišnice A in 76-odstotno točno pri bolnišnici B. Tudi tukaj je bil natančnejši kot tradicionalni sistem (70 odstotkov za A in 68 odstotkov za B). Podobni rezultati so se pokazali tudi ob vprašanju, ali bo pacient ostal v bolnišnici dlje časa.
Kje je prihodnost takšne tehnologije
Namen znanstvenikov je bil digitalizirati celotno zdravstveno znanje in slednje v celoti razumeti in izboljšati. Raziskovalci menijo, da bi lahko na podlagi podobnih statističnih analiz zagotovili kakovostnejšo oskrbo in varnost pacienta, prav tako pa znižali stroške dela.
Prednost takšnih sistemov je njihova sposobnost, da lahko shranjujejo enormne količine razpršenih podatkov, vključno z napakami in variabilnostmi, ki jih lahko človek spregleda. Dodatno ugodnost predstavlja tudi to, da preiskovalcem na splošno ni treba natančno določiti, katere možne spremenljivke in kombinacije je treba upoštevati pri posameznem primeru. Nevronske mreže umetne inteligence namreč same prepletejo povezave ključnih dejavnikov in uspešno izračunajo možne izide.
