Algoritm suudab tuvastada koomaga patsiente, kes võivad ärgata

Hiina haiglas diagnoosisid arstid mitu vegetatiivses seisundis patsienti, kes ei suutnud kunagi ärgata. Kuid pärast teist algoritmist tulnud arvamust ennustati mõnel juhul, et mõni neist võib ärgata vähem kui aasta pärast. Ja kas pole see masin õige? Tehisintellekt (AI) sai selle korda seitsmel korral.

Hiina teaduste akadeemia ja Pekingi üldhaigla poolt välja töötatud projektis analüüsiti patsientide aju funktsionaalse magnetresonantstomograafia aruandeid, et hinnata, kuidas veri voolab aju erinevatesse piirkondadesse. AI saab andmeid ka spetsialistidelt, näiteks patsiendi vanus, aeg, mil nad kaotasid teadvuse, ja kooma põhjus. Seejärel tutvustab ta oma eksami tulemusi.

Algoritm ja aluseks olevad uuringud kuulutati välja eLife ajakirjas augustis 2018. Selle kuu alguses ütlesid teadlased South China Morning Postile, et süsteemi on juba kasutatud enam kui 300 inimese hindamiseks - ja on paljuski tõestanud oma väärtust. väärtus kui lisavahend raskete meditsiiniliste otsuste tegemiseks.

Algoritm on alles väljatöötamisel

Kuigi patsientide perekonnad võivad pärast algoritmi tulemusi näha lootusi näha ärganud lähedaste tõusu, väidavad arstid, et nad ei ole veel kõiki oma otsuseid selle testi põhjal rajanud. Selle põhjuseks on asjaolu, et tulemused pole iga kord õiged ja teema on delikaatne. AI saab ainult ennustada patsiendi ajus toimuvat. See tähendab, et see ei võta arvesse selliseid väliseid tegureid nagu näiteks haiglas mõne teise patsiendi haigestunud haigus - midagi, mida arst ka vaevalt oskas ennustada.

Siiani on süsteem oma analüüsis saavutanud 88% täpsuse

Algoritm töötati välja kaheksa aasta jooksul ja seda õpetati uurima 160 patsienti vegetatiivses või minimaalselt teadlikus seisundis. Ehkki see andmekogum on võrreldes sadade tuhandete piltidega, mida tavaliselt kasutatakse sarnaste süsteemide treenimiseks, on väike, teadlaste sõnul on süsteem 88 protsenti täpne, ennustades, kas patsient taastub aasta jooksul.

On ka variante, mida tuleb arvutustabelis arvestada. Teave pärines kahest meditsiinikeskusest, mis osutasid erinevat tüüpi patsiente. Näiteks ühes kohas oli rohkem insuldihaigeid, teises aga oli hapnikuvaeguse tõttu koomas rohkem inimesi.

Lisaks tekitasid erinevused kasutatava skanneri ja pildiprotokollide tüübis moonutusi mõlemas andmekomplektis. Nendele erinevustele vaatamata võib tulemusi pidada julgustavateks. Järgmine samm on koguda rohkem teavet ja suurendada suunamisbaasi.

Algoritm suudab tuvastada koomahaiged, kes saavad ärgata TecMundo kaudu