حالا هوش مصنوعی به ما می گوید در آستانه مردن هستیم یا خیر! - هولی

در تازه ترین نمونه از کاربردهای هوش مصنوعی و یادگیری ماشینی، یک مطالعه جدید روی بیماران قلبی اجرا شده است که طی یک سال گذشته فوت کردند. سیستم یادگیری ماشینی در این مطالعه به آنالیز اکوکاردیوگرام (ECG) آن ها پرداخته تا به نتایج ملموس و تعیینی برسد.

این تحقیق توسط تیمی از محققان گروه بهداشت و درمان گیسینجر پنسیلوانیا صورت گرفته و نشان می دهد روشی دقیق تر و بهتر از آنالیز های سنتی پزشکان متخصص قلب و عروق است. به علاوه، این روش کم هزینه تر و سریع تر است.

سیستم های یادگیری ماشینی با جمع آوری داده های خام می توانند طبق الگوریتم هایی که آموزش دیده هستند؛ پیچیده ترین محاسبات را روی داده ها انجام دهند و به آنالیز دقیق آن ها بپردازند. قدرت محاسباتی یادگیری ماشینی قابل مقایسه با فعالیت پزشکان نیست. یادگیری ماشین می تواند داده های هزاران ECG را در چند ثانیه تجزیه و تحلیل کند و با مهندسی معکوس به نتایجی برسد که پزشکان هرگز به آن ها دسترسی ندارند.

برای مثال، پزشکان متخصص قلب و عروق براساس نتایج ECG بعضی بیماران تشخیص دادند خطری متوجه آن ها نیست و کاملا سالم هستند ولی مدتی بعد مرگ سراغ شان آمده است. ابزار جدید هوش مصنوعی پیروز شده با مشاهده همان ECG تاریخ دقیق مرگ این افراد را پیش بینی کند

در این تحقیق تعیین شده است متخصصان قلب و عروق در پیش بینی زمان مرگ بیماران ضعیف تر از الگوریتم یادگیری ماشینی عمل نموده اند. هوش مصنوعی می تواند به یاری این متخصصان بیاید و بر مهارت های آن ها بیفزاید یا بیماران در معرض خطر بیشتر و زودتر شناسایی شوند.

نجات جان انسان ها در گرو توسعه هوش مصنوعی

تیم Geisinger با تقلید از نحوه تصمیم گیری متخصصان قلب و عروق، الگوریتم یادگیری ماشینی را طوری آموزش دادند تا عوامل ریسک پذیری افراد در ECG را مشابه متخصصان قلب و عروق را شناسایی و محاسبه نمایند. این کارشناسان از معیاری به نام AUC (سرنام area under the curve) در الگوریتم یادگیری ماشینی استفاده کردند تا افراد را در گروه های مختلفی طبقه بندی نمایند.

محققان برنامه ریزی کردند هوش مصنوعی تشخیص دهد چه افرادی طی یک سال آینده زنده می مانند و چه افرادی فوت خواهند کرد. افراد در گروه ها و جدول های مختلف می توانند طبق داده های پیچیده ای که تجزیه و تحلیل شده اند؛ از یک شرایط به شرایط دیگر بروند. در این میان امکان اشتباه و تشخیص مثبت کاذب یا منفی کاذب وجود دارد که می تواند روی درمان بیمار تاثیرگذار باشد.

این الگوریتم می تواند با دقتی بالای 85 درصد درست تشخیص دهد یک فرد در معرض خطر مرگ است. پزشکان سنتی با دقتی 65 درصد ریسک بیمار را تشخیص می دهند.

البته در این تحقیق، دانشمندان با محدودیت هایی نیز روبرو شدند. مثلا، به اطلاعات بیشتر از یک سال بیماران از نظر قانونی دسترسی نداشتند. آنچه تعیین است؛ یادگیری ماشینی می تواند شرایط را به نفع نجات جان انسان ها تغییر دهد و ریسک بالای گروهی از بیماران را دقیق تر تشخیص و برای درمان به پزشکان معرفی کند.

منبع