Delphi-2M: Τεχνητή νοημοσύνη προβλέπει πάνω από 1000 ασθένειες χρόνια πριν εκδηλωθούν

Μια διεθνής ερευνητική ομάδα από τη Βρετανία, τη Δανία, τη Γερμανία και την Ελβετία ανακοίνωσε ότι ανέπτυξε ένα προηγμένο μοντέλο AI, το οποίο μπορεί να προβλέψει την πιθανότητα εκδήλωσης περισσότερων από 1000 ασθενειών πολλά χρόνια πριν εμφανιστούν τα πρώτα κλινικά συμπτώματα.

Το σύστημα, που ονομάζεται Delphi-2M, βασίζεται στην ίδια τεχνολογία που χρησιμοποιούν τα δημοφιλή chatbots όπως το ChatGPT. Αντί να αναλύει γλωσσικά δεδομένα, το νέο μοντέλο αξιοποιεί το ιατρικό ιστορικό ενός ατόμου για να εντοπίσει μοτίβα και συσχετισμούς στις διαγνώσεις, ώστε να εκτιμήσει μελλοντικούς κινδύνους.

Για να «εκπαιδεύσουν» το Delphi-2M, οι επιστήμονες χρησιμοποίησαν στοιχεία από το UK Biobank, μια από τις μεγαλύτερες βιοϊατρικές βάσεις δεδομένων στον κόσμο, που περιλαμβάνει πληροφορίες από περίπου μισό εκατομμύριο ανθρώπους. Στη συνέχεια, το μοντέλο δοκιμάστηκε με δεδομένα από σχεδόν δύο εκατομμύρια ασθενείς που καταγράφονται στη δημόσια βάση υγείας της Δανίας, προσφέροντας έτσι ένα επιπλέον επίπεδο αξιολόγησης.

Σύμφωνα με τον Moritz Gerstung, ειδικό στην τεχνητή νοημοσύνη στο German Cancer Research Center, η λογική του συστήματος μοιάζει με την εκμάθηση γραμματικής σε ένα κείμενο:

Το Delphi-2M εντοπίζει τα μοτίβα στις ιατρικές πληροφορίες, τον τρόπο που εμφανίζονται οι διαγνώσεις και τη σειρά τους, ώστε να μπορεί να δώσει ουσιαστικές και κλινικά σημαντικές προβλέψεις.

Στα πρώτα αποτελέσματα, το Delphi-2M έδειξε ότι μπορεί να προβλέψει με μεγαλύτερη ακρίβεια τον κίνδυνο καρδιακού επεισοδίου σε σχέση με τις παραδοσιακές μεθόδους που βασίζονται κυρίως στην ηλικία και σε γενικούς παράγοντες. Οι ερευνητές υποστηρίζουν ότι στο μέλλον, παρόμοια συστήματα θα μπορούσαν να καθοδηγήσουν γιατρούς ώστε να προχωρούν σε έγκαιρη παρακολούθηση ή ακόμη και σε παρεμβάσεις πριν η ασθένεια εκδηλωθεί, ανοίγοντας τον δρόμο σε μια πιο προληπτική προσέγγιση της ιατρικής.

Ο Tom Fitzgerald, συν-συγγραφέας της μελέτης από το European Molecular Biology Laboratory, τόνισε ότι τέτοιες εφαρμογές θα μπορούσαν να βοηθήσουν και στη διαχείριση πόρων σε συστήματα υγείας που αντιμετωπίζουν πίεση.

Σήμερα, οι γιατροί σε πολλές χώρες χρησιμοποιούν ήδη λογισμικά πρόβλεψης κινδύνου, όπως το QRISK3 που εφαρμόζεται στη Βρετανία για την εκτίμηση πιθανοτήτων καρδιακής προσβολής ή εγκεφαλικού επεισοδίου. Ωστόσο, όπως εξηγεί ο Ewan Birney, ένας από τους ερευνητές της μελέτης, το Delphi-2M διαφοροποιείται σημαντικά: «Το σύστημα μπορεί να προβλέπει όχι μόνο μία συγκεκριμένη πάθηση, αλλά όλες τις πιθανές ασθένειες ταυτόχρονα και σε βάθος χρόνου».

Αυτό το πολυδιάστατο εύρος του εργαλείου το καθιστά μοναδικό, αν και προς το παρόν βρίσκεται ακόμα σε ερευνητικό στάδιο και δεν είναι έτοιμο να χρησιμοποιηθεί σε κλινικό περιβάλλον.

Παρά τον ενθουσιασμό που δημιουργεί η προοπτική του Delphi-2M, οι ειδικοί τονίζουν ότι η πρακτική εφαρμογή απαιτεί προσοχή. Ο Peter Bannister, ερευνητής στην υγειονομική τεχνολογία και μέλος του Institution of Engineering and Technology στη Βρετανία, σχολίασε ότι οι βάσεις δεδομένων που χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου έχουν μεροληψίες ως προς την ηλικία, την εθνοτική κατανομή και τα υγειονομικά αποτελέσματα. Αυτό σημαίνει ότι το εργαλείο μπορεί να μην αποδίδει το ίδιο καλά σε διαφορετικούς πληθυσμούς.

Ο Gerstung παραδέχτηκε ότι το εργαλείο απέχει ακόμη από την άμεση ενσωμάτωση στην καθημερινή ιατρική πράξη. Ωστόσο, υπογράμμισε ότι το όραμα είναι η ανάπτυξη μιας τεχνολογίας που θα επιτρέπει πιο στοχευμένη πρόληψη και καλύτερη αξιοποίηση των πόρων.

Ένα ακόμη κρίσιμο ζήτημα είναι η «ερμηνευσιμότητα» των προβλέψεων. Όπως σημειώνει ο Gustavo Sudre, καθηγητής στο King’s College London και ειδικός στην ιατρική τεχνητή νοημοσύνη, η συγκεκριμένη μελέτη αποτελεί «σημαντικό βήμα προς πιο αξιόπιστα, επεξηγήσιμα και – το κυριότερο – ηθικά υπεύθυνα μοντέλα πρόβλεψης». Η δυνατότητα να κατανοούν οι γιατροί και οι ασθενείς πώς και γιατί το μοντέλο φτάνει σε ένα συγκεκριμένο συμπέρασμα θεωρείται ζωτικής σημασίας για την αποδοχή τέτοιων εργαλείων.

Παρότι το Delphi-2M δεν είναι ακόμη έτοιμο για άμεση χρήση, η έρευνα ανοίγει τον δρόμο για ένα μέλλον όπου η τεχνητή νοημοσύνη δεν θα περιορίζεται στη διάγνωση αλλά θα λειτουργεί ως εργαλείο πρόληψης, βοηθώντας στην έγκαιρη αναγνώριση κινδύνων και στη μείωση του κόστους περίθαλψης. Το ερώτημα που απομένει είναι πώς θα διασφαλιστεί η ισορροπία ανάμεσα στην τεχνολογική καινοτομία και στην υπεύθυνη, ισότιμη εφαρμογή της σε όλα τα κοινωνικά σύνολα.

[via]