Ubacivanje elektronskih zdravstvenih podataka u modele mašinskog učenja može značajno da poboljša preciznost predviđanja ishoda, navodi se u novoj studiji objavljenoj u časopisu Nature.
Na osnovu eksperimenta u kome su korišćeni podaci iz dve bolnica u Sjedinjenim Američkim Državama, istraživači su uspeli da pokažu kako se pomoću algoritama mogu predvideti dužina ostanka pacijenta u bolnici, vreme kada će biti otpušten, ali i vreme kada će pacijent umreti.
Neuronska mreža, opisana u studiji, za predviđanje koristi ogromne količine podataka koje potiču iz medicinske istorije pacijenta, kao i ključnih parametara vezanih za njegovo zdravstveno stanje.
Sistem, pritom, može da obradi čak i rukom pisane tekstove, komentare i belješke sa starih kartona…
Algoritam slaže važne prethodne događaje iz medicinske istorije u vremenski sled događaja, što omogućava modelu mašinskog učenja da predviđa buduće ishode, među kojima je i vreme smrti.
Postavlja se pitanje, kakva bi korist mogla da bude od ovoga?
Bolnice bi mogle da pronađu nove načine određivanja prioriteta kod nege pacijenata, bolje prilagođavaju terapije i otkrju hitne slučajeve ranije nego dosada. Računar bi tako mogao da rastereti zdravstvene radnike u preuzme veliki deo obrade podataka na sebe.
Veštačka inteligencija je već našla više načina primene u zdravstvu.
Nekoliko nedavno razvijenih algoritama moglo je da dijagnostifikuje rak pluća i bolest srca preciznije od ljudi lekara. Korišćena je i kod određivanja rizika od razvoja jedne od najčešćih bolesti oka.
S druge strane, preusmeravanje ogromne količine osetljivih ličnih podataka u jedan prediktivni model u vlasništvu jedne od najvećih privatnih korporacija na svetu ne zvuči baš kao najprivlačnije rešenje.
