Μοντέλο AI σε ρόλο… γιατρού – Μπορεί να προβλέψει την μελλοντική σας υγεία

Ποιες ασθένειες μπορεί το νέο μοντέλο τεχνητής νοημοσύνης να προβλέψει με μεγαλύτερη ακρίβεια.

Πώς θα σας φαινόταν αν είχατε τη δυνατότητα να γνωρίζετε ποια ασθένεια μπορεί να εκδηλώσετε στο μέλλον, αρκετά χρόνια πριν αυτό συμβεί; Μία διεθνής ομάδα ερευνητών ανέπτυξε ένα νέο μοντέλο AI, το οποίο μπορεί να εκτιμήσει ποιες ασθένειες είναι πιθανό να αντιμετωπίσει κάποιος στο μέλλον. Και μάλιστα, μπορεί να κάνει «διάγνωση» μεταξύ περισσοτέρων από 1.000 κοινών ασθενειών.

Η μελέτη δημοσιεύθηκε στο έγκριτο επιστημονικό περιοδικό Nature. «Σήμερα, επιβιώνουμε από πολλές ασθένειες, οι οποίες παλαιότερα ήταν θανατηφόρες. Καθώς μεγαλώνουμε, αντιμετωπίζουμε ένα μέλλον στο οποίο πολλοί άνθρωποι υποφέρουν από πολλαπλές παθήσεις ταυτόχρονα. Γι’ αυτό πρέπει να κατανοήσουμε πώς αλληλεπιδρούν οι ασθένειες», λέει ο Søren Brunak, καθηγητής στο Τμήμα Δημόσιας Υγείας του Πανεπιστημίου της Κοπεγχάγης και ένας από τους ερευνητές πίσω από τη μελέτη.

Το project, που χρηματοδοτείται κατά ένα μέρος από το Novo Nordisk Foundation, είναι αποτέλεσμα συνεργασίας μεταξύ ερευνητών από το Πανεπιστήμιο της Κοπεγχάγης, το Ευρωπαϊκό Εργαστήριο Μοριακής Βιολογίας, το Πανεπιστήμιο Eberhard Karls, το Robert Bosch Center for Tumor Disease και το Γερμανικό Κέντρο Έρευνας για τον Καρκίνο.

«Οι ασθενείς που υποφέρουν από πολλαπλές παθήσεις θέλουν ειδική μεταχείριση. Ποια πάθηση πρέπει να αντιμετωπιστεί πρώτα; Σε ποιους γιατρούς πρέπει να απευθυνθούν; Η πολυνοσηρότητα είναι μια δαπανηρή και σύνθετη πρόκληση και γι’ αυτό πρέπει να χαρτογραφήσουμε τις «λεωφόρους» της εξέλιξης της κάθε νόσου – τις οδούς που ακολουθούν συνήθως οι ασθενείς», αναφέρει ο Søren Brunak.

Δεδομένα υγείας από την UK Biobank

Το μοντέλο έχει «εκπαιδευτεί» να λειτουργεί με βάση δεδομένα υγείας από την UK Biobank. Έχει «μάθει» για τις ασθένειες και τον τρόπο ζωής 400.000 συμμετεχόντων και μπορεί να αναγνωρίσει μοτίβα στον τρόπο με τον οποίο εξελίσσεται η υγεία των ασθενών με την πάροδο του χρόνου. Αυτή η γνώση χρησιμοποιείται για την πρόβλεψη της επόμενης πιθανής νόσου.

Επειδή ορισμένες ασθένειες ακολουθούν πιο προβλέψιμα μοτίβα, το μοντέλο είναι πιο ακριβές στην πρόβλεψη διαγνώσεων όπως καρδιακές προσβολές, ορισμένους τύπους καρκίνου ή σήψη, ενώ καταστάσεις όπως οι επιπλοκές της εγκυμοσύνης είναι πιο δύσκολο να προβλεφθούν.

Παρ’όλο που το μοντέλο είναι καταλληλότερο για την πραγματοποίηση προβλέψεων σε επίπεδο πληθυσμού, μπορεί να ωφελήσει μεμονωμένους ασθενείς παρέχοντας στους γιατρούς βαθύτερες γνώσεις σχετικά με την εξέλιξη μιας νόσου και των πιθανών επιπλοκών.

Αυτό διευκολύνει την αξιολόγηση του κατά πόσον ένας ασθενής διατρέχει αυξημένο κίνδυνο και πρέπει να λάβει πιο εντατική θεραπεία: «Η ιδέα πίσω από αυτό το μοντέλο είναι επίσης να προβάλει την πορεία της νόσου, έτσι ώστε ο γιατρός να γνωρίζει πόσο επιθετικά να σας θεραπεύσει από την αρχή. Για ορισμένους ασθενείς με διαβήτη, οι αλλαγές στον τρόπο ζωής μπορεί να επαρκούν αρχικά, ενώ κάποιοι άλλοι θα πρέπει να ξεκινήσουν αμέσως τη φαρμακευτική αγωγή», σημειώνει ο Søren Brunak. Ισχύει και το αντίστροφο σενάριο. Επειδή μπορεί να είναι δύσκολο να διακρίνουμε τους ασθενείς υψηλού κινδύνου από τους υπόλοιπους, πολλοί λαμβάνουν θεραπεία που μπορεί να μην είναι απαραίτητη. «Όσο περισσότερο κατανοούμε την εξέλιξη της νόσου, τόσο καλύτερα μπορούμε να μειώσουμε την περιττή υπερθεραπεία», διευκρινίζει ο Søren Brunak.

Απαιτείται περαιτέρω έρευνα

Ωστόσο, όσοι αναμένουν να δουν τη μέθοδο σε κλινική εφαρμογή θα πρέπει να είναι υπομονετικοί. Ο Søren Brunak τονίζει ότι το μοντέλο είναι ακόμα μόνο ένα πρωτότυπο: «Θέλαμε να διερευνήσουμε εάν είναι δυνατό να αναπτύξουμε μια μέθοδο που να μπορεί να χειριστεί ταυτόχρονα περισσότερες από 1.000 ασθένειες. Η μελέτη μας δείχνει ότι αυτό είναι εφικτό», λέει.

Για να μπορέσει το μοντέλο να προβλέψει όχι μόνο την επόμενη ασθένεια αλλά και τις επόμενες, πρέπει να εκπαιδευτεί σε ένα μεγαλύτερο σύνολο δεδομένων από τους περίπου 400.000 συμμετέχοντες που συμπεριλήφθηκαν στην αρχική μελέτη.

Παρ’ όλα αυτά, οι ερευνητές είναι μέχρι τώρα εντυπωσιαμένοι από την ακρίβεια των προβλέψεων του μοντέλου, υπογραμμίζει ο Laust Mortensen, Καθηγητής στο Τμήμα Δημόσιας Υγείας του Πανεπιστημίου της Κοπεγχάγης και Καθηγητής Έρευνας στο Ίδρυμα Rockwool.

Πηγή