მეცნიერები ამბობენ, რომ შექმნეს ხელოვნური ინტელექტის მოდელი, რომელსაც წლებით ადრე შეუძლია სამედიცინო დიაგნოზის პროგნოზირება. სისტემა იმავე ტექნოლოგიას ეფუძნება, რასაც ChatGPT და სხვა მსგავსი ჩატბოტები.
პაციენტის სამედიცინო ისტორიაზე დაყრდნობით, Delphi-2M AI პროგნოზირებს მომავალში 1000-ზე მეტი დაავადების მაჩვენებლებს. ამის შესახებ ჟურნალ Nature-ში გამოქვეყნებულ კვლევაში იუწყება ბრიტანელ, დანიელ, გერმანელ და შვეიცარიელ მკვლევართა ჯგუფი.
მკვლევრებმა მოდელი ბრიტანეთის ბიობანკის მონაცემებზე გაწვრთნეს — ფართომასშტაბიან ბიოსამედიცინო კვლევების მონაცემთა ბაზაზე; ჯამში ნახევარ მილიონზე მეტი ადამიანის მონაცემი გამოიყენეს.
ნერვული ქსელი ეფუძნება ე. წ. ტრანსფორმერ არქიტექტურას, T-ს ChatGPT-ში, რომელიც ყველაზე ცნობილია ენობრივი ამოცანების შესრულებით ჩატბოტსა და მის მრავალ იმიტატორსა და კონკურენტში.
„თუმცა, სამედიცინო დიაგნოზების თანმიმდევრობის გაგება „ცოტათი ჰგავს ტექსტში გრამატიკის შესწავლას“, — ამბობს გერმანიის კიბოს კვლევის ცენტრის ხელოვნური ინტელექტის ექსპერტი მორიც გერშტუნგი.
მისი განცხადებით, Delphi-2M სწავლობს ჯანდაცვის მონაცემებში არსებულ ნიმუშებს, წინა დიაგნოზებს, თუ რა კომბინაციებში გვხვდება ისინი და რა თანმიმდევრობით და აკეთებს ძალიან შინაარსიან და ჯანმრთელობისთვის შესაბამის პროგნოზებს.
გერშტუნგმა წარმოადგინა დიაგრამები, რომლებიც მიუთითებდა, რომ ხელოვნურ ინტელექტს შეეძლო გამოეყო ადამიანები, რომლებსაც გულის შეტევის იმაზე გაცილებით მაღალი ან დაბალი რისკი ჰქონდათ, ვიდრე მათი ასაკი და სხვა ფაქტორები პროგნოზირებდა.
Delphi-2M-ის წარმადობა ჯგუფმა დაადასტურა მისი დატესტვით თითქმის ორ მილიონზე მეტი ადამიანის მონაცემებზე დანიის საზოგადოებრივი ჯანდაცვის მონაცემთა ბაზიდან.
თუმცა, გერშტუნგი და ჯგუფის სხვა წევრები ხაზს უსვამენ, რომ Delphi-2M ინსტრუმენტს დამატებითი ტესტირება სჭირდება და კლინიკური გამოყენებისთვის ჯერ მზად არ არის.
„აქამდე ჯერ დიდი გზაა, რადგან ვაცნობიერებთ, რომ ორივე მონაცემთა ბაზაში (ბრიტანული და დანიური) მიკერძოებულია ეთნიკური კუთვნილებისა და ჯანდაცვის მიმდინარე შედეგების თვალსაზრისით.
მიუხედავად ამისა, გერშტუნგი ამბობს, რომ Delphi-2M და სხვა მსგავსი სისტემები შეიძლება დაეხმაროს მონიტორინგის წარმართვას და ადრეულ კლინიკურ ჩარევებს ეფექტიან პრევენციას.
კვლევის თანაავტორი, ევროპის მოლეკულური ბიოლოგიის ლაბორატორიის მკვლევარი ტომ ფიცჯერალდი აღნიშნავს, რომ უფრო ფართო მასშტაბით, ასეთი ინსტრუმენტები შეიძლება დაეხმაროს „რესურსების ოპტიმიზაციას გადატვირთულ ჯანდაცვის სისტემაში“.
კვლევა ჟურნალ Nature-ში გამოქვეყნდა. მომზადებულია Agence France-Presse-ის მიხედვით.
