Σύστημα τεχνητής νοημοσύνης αντικαθιστά τον... οφθαλμίατρο και τον πνευμονολόγο
Η νέα πλατφόρμα τεχνητής νοημοσύνης όχι μόνο αναγνωρίζει δύο από τις πιο κοινές παθήσεις του αμφιβληστροειδούς του ματιού (την εκφύλιση και το διαβητικό οίδημα της ωχράς κηλίδας), αλλά αξιολογεί και τη σοβαρότητά τους. Επίσης, αναλύει ακτινογραφίες παιδιών και μπορεί να διακρίνει ανάμεσα στη βακτηριακή και στην ιογενή πνευμονία.
Οι ερευνητές, με επικεφαλής τον καθηγητή οφθαλμολογίας Κανγκ Ζανγκ της Ιατρικής Σχολής του Πανεπιστημίου της Καλιφόρνια-Σαν Ντιέγκο, έκαναν τη σχετική δημοσίευση στο περιοδικό "Cell".
Η εκφύλιση της ωχράς κηλίδας και το διαβητικό οίδημα της ωχράς κηλίδας είναι οι δύο συχνότερες αιτίες μη αναστρέψιμης τύφλωσης, αλλά και οι δύο παθήσεις είναι θεραπεύσιμες, αν διαγνωσθούν έγκαιρα, κάτι που απαιτεί την παρουσία εξειδικευμένου οφθαλμιάτρου. Αντίθετα, όπως είπε ο Ζανγκ, «το νέο εργαλείο τεχνητής νοημοσύνης μπορεί να χρησιμοποιηθεί οπουδήποτε στον κόσμο, ιδίως στις επαρχιακές περιοχές, πράγμα σημαντικό σε μέρη όπως η Κίνα, η Ινδία και η Αφρική, όπου υπάρχουν σχετικά λίγοι γιατροί».
Το νέο «έξυπνο» σύστημα, που αποτελεί ένα «συνελικτικό νευρωνικό δίκτυο» και χρησιμοποιεί επίσης την τεχνική της «μεταβιβαστικής μάθησης» (η γνώση από την επίλυση ενός προβλήματος εφαρμόζεται στη συνέχεια για την επίλυση ενός άλλου προβλήματος), εκπαιδεύθηκε με περισσότερες από 200.000 εικόνες από οπτικές τομογραφίες συνοχής (OCT), μια ευρέως χρησιμοποιούμενη μη επεμβατική διαγνωστική εξέταση του βυθού του ματιού. Μετά τη διάγνωση, η τεχνητή νοημοσύνη προχωρά και σε συστάσεις για περαιτέρω εξετάσεις ή θεραπείες.
Οι ερευνητές συνέκριναν τις διαγνώσεις του υπολογιστή με εκείνες πέντε οφθαλμιάτρων. Όπως είπε ο Ζανγκ, «το μηχάνημα μπορεί να τα καταφέρει το ίδιο καλά με έναν εκπαιδευμένο οφθαλμίατρο. Είναι σε θέση να πάρει απόφαση για το αν ο ασθενής χρειάζεται θεραπεία, μέσα σε 30 μόνο δευτερόλεπτα και με ακρίβεια πάνω από 95%». Επιπλέον, κατά τους ερευνητές, η νέα μέθοδος θα είναι φθηνότερη για τους ασθενείς.
Οι επιστήμονες εφάρμοσαν το σύστημα και στην παιδική πνευμονία. Αναλύοντας ακτινογραφίες πνευμόνων, η τεχνητή νοημοσύνη μπορούσε να διακρίνει την αιτιολογία της πνευμονίας (από βακτήριο ή από ιό) με ακρίβεια άνω του 90%. Η γρήγορη διαφορική διάγνωση είναι σημαντική, επειδή η συνήθως πιο σοβαρή βακτηριακή πνευμονία (κύρια αιτία θανάτου των παιδιών έως πέντε ετών) απαιτεί θεραπεία με αντιβιοτικά.
Οι ερευνητές αισιοδοξούν ότι το σύστημά τους στο μέλλον θα αξιοποιηθεί και σε άλλες εφαρμογές, π.χ. στη διάκριση ανάμεσα σε καρκινικές και μη αλλοιώσεις που εμφανίζονται σε αξονικές και μαγνητικές τομογραφίες.
