حالا هوش مصنوعی به ما می‌گوید در آستانه مردن هستیم یا خیر!
یادگیری ماشینی هر روز قوی‌تر و مرموزتر می‌شود. دانشمندان در حالی‌که دارند این فناوری را توسعه می‌دهند؛ گاهی اوقات دقیقا نمی‌دانند چگونه کار می‌کند!
در تازه‌ترین نمونه از کاربردهای هوش مصنوعی و یادگیری ماشینی، یک مطالعه جدید روی بیماران قلبی صورت گرفته است که طی یک سال گذشته فوت کردند. سیستم یادگیری ماشینی در این مطالعه به بررسی اکوکاردیوگرام (ECG) آن‌ها پرداخته تا به نتایج ملموس و مشخصی برسد.
این تحقیق توسط تیمی از محققان گروه بهداشت و درمان گیسینجر پنسیلوانیا انجام شده و نشان می‌دهد روشی دقیق‌تر و بهتر از بررسی‌های سنتی پزشکان متخصص قلب و عروق است. به علاوه، این روش کم هزینه‌تر و سریع‌تر است.
سیستم‌های یادگیری ماشینی با جمع‌آوری داده‌های خام می‌توانند طبق الگوریتم‌هایی که آموزش دیده هستند؛ پیچیده‌ترین محاسبات را روی داده‌ها انجام دهند و به بررسی دقیق آن‌ها بپردازند. قدرت محاسباتی یادگیری ماشینی قابل مقایسه با فعالیت پزشکان نیست. یادگیری ماشین می‌تواند داده‌های هزاران ECG را در چند ثانیه تجزیه و تحلیل کند و با مهندسی معکوس به نتایجی برسد که پزشکان هرگز به آن‌ها دسترسی ندارند.
-------
علت و عوارض مشکل پزشکی از چیست؟
برای مثال، پزشکان متخصص قلب و عروق براساس نتایج ECG برخی بیماران تشخیص دادند خطری متوجه آن‌ها نیست و کاملا سالم هستند ولی مدتی بعد مرگ سراغ‌شان آمده است. ابزار جدید هوش مصنوعی موفق شده با مشاهده همان ECG تاریخ دقیق مرگ این افراد را پیش‌بینی کند
در این تحقیق مشخص شده است متخصصان قلب و عروق در پیش‌بینی زمان مرگ بیماران ضعیف‌تر از الگوریتم یادگیری ماشینی عمل کرده‌اند. هوش مصنوعی می‌تواند به کمک این متخصصان بیاید و بر مهارت‌های آن‌ها بیفزاید یا بیماران در معرض خطر بیشتر و زودتر شناسایی شوند.
نجات جان انسان‌ها در گرو توسعه هوش مصنوعی
تیم Geisinger با تقلید از نحوه تصمیم‌گیری متخصصان قلب و عروق، الگوریتم یادگیری ماشینی را طوری آموزش دادند تا عوامل ریسک‌پذیری افراد در ECG را مشابه متخصصان قلب و عروق را شناسایی و محاسبه کنند. این کارشناسان از معیاری به نام AUC (سرنام area under the curve) در الگوریتم یادگیری ماشینی استفاده کردند تا افراد را در گروه‌های مختلفی طبقه‌بندی کنند.
محققان برنامه‌ریزی کردند هوش مصنوعی تشخیص دهد چه افرادی طی یک سال آینده زنده می‌مانند و چه افرادی فوت خواهند کرد. افراد در گروه‌ها و جدول‌های مختلف می‌توانند طبق داده‌های پیچیده‌ای که تجزیه و تحلیل شده‌اند؛ از یک وضعیت به وضعیت دیگر بروند. در این میان امکان اشتباه و تشخیص مثبت کاذب یا منفی کاذب وجود دارد که می‌تواند روی درمان بیمار تاثیرگذار باشد.
این الگوریتم می‌تواند با دقتی بالای ۸۵ درصد درست تشخیص دهد یک فرد در معرض خطر مرگ است. پزشکان سنتی با دقتی ۶۵ درصد ریسک بیمار را تشخیص می‌دهند.
البته در این تحقیق، دانشمندان با محدودیت‌هایی نیز روبرو شدند. مثلا، به اطلاعات بیشتر از یک سال بیماران از نظر قانونی دسترسی نداشتند. آنچه مشخص است؛ یادگیری ماشینی می‌تواند وضعیت را به نفع نجات جان انسان‌ها تغییر دهد و ریسک بالای گروهی از بیماران را دقیق‌تر تشخیص و برای درمان به پزشکان معرفی کند.
