Tehisintellekt võib aidata vähendada meditsiinilisi kontrolle

Visiit arsti juurde, kus koostatakse vereanalüüsi taotlus. Tagastamine, mis genereerib uue vereanalüüsi taotluse, kuna arst soovib "veenduda". See on silmus, mille ilmselt on kõik elus läbi elanud või läbi käimas. Või äkki mitte. Stanfordi ülikooli meditsiinidoktori Jonathan Cheni jaoks võib tehisintellekt aidata selle tsükli algoritmi abil lahti murda.

Diagnostilise meditsiini nurgakiviks peetav fundamentaalne kordus vereanalüüs võib tähendada ümbertegemist ja ületäitumist, kuna korduvate muutumatute tulemuste võimalus on tohutu. Lisaks võib sama testi korduv manustamine olla patsiendile kahjulik.

Meditsiini dotsendi Jason Hom jaoks tehakse lisaks tarbetu testimise rahalistele puudustele ka mõnel juhul teste nii sageli, et patsiendid võivad muutuda isegi aneemilisteks.

Diagnoosimise tagamine on kahtlemata hädavajalik, kuid Cheni jaoks on see vajadus tingitud suuniste puudumisest selle kohta, mis on erinevate vereanalüüside põhjuseks. Chen ja tema meeskond rõhutavad, et algoritm on ressurss, mis annab tõendusmaterjali, mida tuleb iga patsiendi puhul arvestada, mitte arsti või patsientide otsustusmeetod.

Foto: Freepik

Lühidalt öeldes ütleb algoritm arstile, kui tõenäoline on, et mõni teine ​​test annab teistsuguse tulemuse kui esimene.

Tehisintellekti kasutamist on hakatud katsetama ja selgub, et arstid võiksid katseid mitu korda vähendada. Pilootuuringus kogutud andmed näitavad, et osa neist testidest viiakse läbi nii tihedalt, et tulemuste väärtuste muutmine on füsioloogiliselt võimatu.

Algoritmi testimiseks kasutasid Chen ja tema meeskond tundmatute patsientide andmeid, näiteks elulisi tunnuseid, tervislikke seisundeid, sümptomeid, laborikatsete tulemusi ja teisi, et näidata, kui sageli teatasid vereanalüüsid kõrvalekaldest. Testid viidi läbi Stanfordis, California ülikoolis ja Michigani ülikoolis.

„See on hea esimene samm, mis näitab, et andmeid on tõesti võimalik sel viisil kasutada, et aidata vähendada tarbetuid laboratoorseid uuringuid. Kuid lõppkokkuvõttes on meie mõte, et asutused kasutaksid meie meetodit ja tehnoloogiat, kuid arendaksid oma andmete põhjal välja oma algoritmid, et luua võimalikult kõrge täpsuse tase, "ütleb Chen.