Kathimerini.gr
Αν έχετε smartphone, οι φωτογραφίες που βγάζετε με αυτό βελτιώνονται αυτόματα χάρη σε ένα λογισμικό το οποίο έχει «εκπαιδευτεί» να κάνει τη φωτογραφία σας να δείχνει πιο ευκρινής και πιο φωτεινή, αναλύοντας χιλιάδες και χιλιάδες παρόμοιες φωτογραφίες. Ο εν λόγω τύπος μηχανικής μάθησης –μιας βασικής πλευράς της τεχνητής νοημοσύνης– είναι παρόμοιος με αυτό που συμβαίνει στη φροντίδα του καρδιαγγειακού συστήματος (βλ. «Τι είναι η τεχνητή νοημοσύνη»). Αντί όμως να μελετούν φωτογραφίες, τα προγράμματα αναλύουν απεικονίσεις από αξονικές τομογραφίες θώρακος, καταγραφές υπερηχογραφημάτων της καρδιάς (υπερηχοκαρδιογραφήματα) και αποτυπώσεις της ηλεκτρικής δραστηριότητας της καρδιάς (ηλεκτροκαρδιογραφήματα).
«Διαθέτουμε πλέον εργαλεία τα οποία μπορούν να δεχτούν τεράστιες ποσότητες πολλών τύπων δεδομένων, αριθμούς, εικόνες, ακόμη και ήχους», δηλώνει ο δρ Michael Lu, διευθυντής Τεχνητής Νοημοσύνης στο Ερευνητικό Κέντρο Καρδιαγγειακής Απεικόνισης στο συνεργαζόμενο με το Χάρβαρντ Γενικό Νοσοκομείο της Μασαχουσέτης. Τα μοντέλα μηχανικής μάθησης που έχουν δημιουργηθεί αξιοποιώντας αυτά τα δεδομένα έχουν τη δυνατότητα να εντοπίζουν μοτίβα, τα οποία μπορεί να βοηθήσουν τους γιατρούς να λαμβάνουν πιο σωστές αποφάσεις για τη διάγνωση και τη θεραπεία της καρδιοπάθειας.
Πρόβλεψη του κινδύνου από αξονικές τομογραφίες
Ένα παράδειγμα είναι ένα εξελιγμένο σύστημα μηχανικής μάθησης το οποίο μπορεί να προβλέψει τον καρδιαγγειακό κίνδυνο από μια συνηθισμένη αξονική τομογραφία θώρακος. Ο δρ Lu και οι συνάδελφοί του από το πρόγραμμα «Τεχνητή Νοημοσύνη στην Ιατρική» του Χάρβαρντ περιέγραψαν ένα τέτοιο σύστημα σε μια μελέτη που δημοσιεύθηκε πέρυσι στο Nature Communications. Το σύστημα (το οποίο χρησιμοποιεί τις τομογραφίες για να υπολογίσει την επικίνδυνη συσσώρευση ασβεστίου στις αρτηρίες της καρδιάς) εκπαιδεύτηκε με χρήση δεδομένων από τη μακροχρόνια Καρδιολογική Μελέτη Framingham και στη συνέχεια επικυρώθηκε σε περισσότερα από 20.000 άτομα από τρεις άλλες κλινικές μελέτες.
«Αν κάνετε μια αξονική τομογραφία για να διαγνωστεί η αιτία ενός βήχα, η εικόνα παρέχει και άλλες ενδεχομένως χρήσιμες πληροφορίες σχετικά με τον μελλοντικό σας κίνδυνο για καρδιοπάθεια ή καρκίνο», δηλώνει ο δρ Lu. Στο μέλλον, ένα εργαλείο μηχανικής μάθησης θα μπορούσε να λειτουργεί σε ένα δεύτερο επίπεδο και να ειδοποιεί τον γιατρό σας ότι θα πρέπει για παράδειγμα να λάβετε κάποια στατίνη για τη μείωση της χοληστερόλης, προκειμένου να μειωθεί ο κίνδυνος καρδιοπάθειας.
Ζητήματα έγκρισης από τον FDA
Άραγε αυτό το εργαλείο (καθώς και άλλα που βρίσκονται σε ανάπτυξη) θα βελτιώσει τις καρδιολογικές εκβάσεις, πέραν αυτού που κάνουν συνήθως οι γιατροί; Δεν το γνωρίζουμε, θα πρέπει πρώτα να ελεγχθεί σε κλινικές μελέτες, απαντά ο δρ Lu. Επιπλέον, όπως με κάθε νέα τεχνολογία, ένα τέτοιο εργαλείο θα πρέπει να λάβει έγκριση από τον Οργανισμό Τροφίμων και Φαρμάκων (FDA) των ΗΠΑ προτού χρησιμοποιηθεί στην καθημερινή πρακτική. «Αυτή είναι μια δαπανηρή και πολύπλοκη διαδικασία, που συνήθως απαιτεί τους πόρους μιας εταιρείας ή ενός νοσοκομείου», σχολιάζει ο δρ Lu.
Τι είναι η τεχνητή νοημοσύνη
Ο όρος τεχνητή νοημοσύνη (ΤΝ) αναφέρεται σε συστήματα ή υπολογιστές που μπορούν να μιμηθούν την ανθρώπινη σκέψη για την επίλυση προβλημάτων. Η μηχανική μάθηση αποτελεί πλευρά της ΤΝ, στην οποία αλγόριθμοι μαθαίνουν (εκπαιδεύονται) από μεγάλες ποσότητες δεδομένων. Μέσω της αναγνώρισης μοτίβων, τα μηχανικά συστήματα αποκτούν –στην πάροδο του χρόνου– την ικανότητα να απαντούν με μεγαλύτερη ορθότητα στα προβλήματα αυτά.
Η βαθιά μάθηση είναι ένας τύπος μηχανικής μάθησης στην οποία χρησιμοποιούνται πολλά επίπεδα νευρωνικών δικτύων, τα οποία έχουν μοντελοποιηθεί (παραμετροποιηθεί) με βάση τη δομή και τη λειτουργία του εγκεφάλου. Πολλά σύγχρονα εργαλεία ΤΝ βασίζονται στη βαθιά μάθηση.
Στις ιατρικές εφαρμογές, η ΤΝ δεν προορίζεται να αντικαταστήσει τον ρόλο και την κλινική κρίση των γιατρών, αλλά να τους βοηθήσει να εντοπίζουν ενδεχομένως ανησυχητικές καταστάσεις που συχνά είναι δύσκολο να ανιχνευτούν προτού εμφανιστούν ανησυχητικά συμπτώματα.
Στον ορίζοντα: Η τεχνητή νοημοσύνη στην καρδιαγγειακή φροντίδα
Οι ερευνητές χρησιμοποιούν τεχνητή νοημοσύνη (ΤΝ) για να προβλέψουν καρδιολογικά προβλήματα με διάφορους νέους τρόπους, όπως οι εξής:
Σοβαρή στεφανιαία νόσος. Υπό την καθοδήγηση ερευνητών της Οξφόρδης, μια ομάδα επιστημόνων δημιούργησε ένα εργαλείο τεχνητής νοημοσύνης το οποίο μπορεί να ανιχνεύσει τη σοβαρή στεφανιαία νόσο από το υπερηχοκαρδιογράφημα κοπώσεως (μια συχνή, μη επεμβατική εξέταση), με μεγαλύτερη ακρίβεια και εμπιστοσύνη.
Εξασθενημένη αριστερή κοιλία. Χρησιμοποιώντας τη λειτουργία ηλεκτροκαρδιογραφήματος μονής απαγωγής ενός Apple Watch, ερευνητές της Mayo Clinic δημιούργησαν ένα βασισμένο στην τεχνητή νοημοσύνη εργαλείο, το οποίο μπορεί να ανιχνεύσει μια καρδιά που λειτουργεί αδύναμα ως αντλία, μια πάθηση που είναι γνωστή ως δυσλειτουργία της αριστερής κοιλίας.
Διάφορες διαταραχές του καρδιακού ρυθμού. Ερευνητές του Yale ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που μπορεί να επιτρέψει στους γιατρούς να διαγνώσουν την κολπική μαρμαρυγή, τον αποκλεισμό αριστερού και δεξιού σκέλους και άλλες διαταραχές του καρδιακού ρυθμού και της καρδιακής αγωγιμότητας, χρησιμοποιώντας ηλεκτροκαρδιογραφήματα σε διάφορες μορφές και διατάξεις, συμπεριλαμβανομένων αυτών που συλλέγονται από απομακρυσμένα κέντρα υγείας.
Βαλβιδοπάθεια. Εταιρεία στην Καλιφόρνια δημιούργησε πλατφόρμες τεχνητής νοημοσύνης οι οποίες (όταν χρησιμοποιούνται με το ψηφιακό στηθοσκόπιο της εταιρείας) βελτιώνουν την ανίχνευση των καρδιακών φυσημάτων, που μπορεί να υποδηλώνουν βαλβιδοπάθεια ή δομικά προβλήματα της καρδιάς.
Επικίνδυνοι καρδιακοί ρυθμοί. Συνδυάζοντας εικόνες που δείχνουν ουλές στην καρδιά ενός ατόμου, μαζί με χαρακτηριστικά όπως η ηλικία και το βάρος, επιστήμονες στο Πανεπιστήμιο Johns Hopkins δημιούργησαν ένα νευρωνικό δίκτυο το οποίο μπορεί να προβλέψει εάν και πότε ένα άτομο θα μπορούσε να πεθάνει από καρδιακή ανακοπή.
