Ubacivanje elektroničkih zdravstvenih podataka u modele strojnog učenja može značajno poboljšati preciznost predviđanja ishoda, navedeno je u novoj studiji objavljenoj u časopisu Nature.

Temeljem pokusa u sklopu kojeg su korišteni podaci iz dviju bolnica u Sjedinjenim Državama istraživači su uspjeli pokazati kako uz pomoću algoritama mogu predvidjeti duljinu ostanka pacijenta u bolnici, vrijeme kad će biti otpušten, ali i kad će umrijeti.

Neuralna mreža opisana u studiji za predviđanje koristi ogromne količine podataka vezanih uz, primjerice, medicinsku povijest pacijenta i ključne parametre vezane uz njegovo zdravstveno stanje. Može pritom obraditi čak i rukom pisane bilješke, komentare, zabilješke na starim kartonima...

Novi algoritam slaže prethodna bitna događanja iz medicinske povijesti u vremenski slijed što omogućava modelu strojnog učenja predviđanja budućih ishoda, među kojima je i vrijeme smrti.

Kako izbjeći monopol

Kako bi nam to moglo biti korisno? Bolnice bi mogle pronaći nove načine određivanja prioriteta pri skrbi o pacijentima, bolje prilagođavati terapije i otkriti hitne slučajeve prije nego dosad. Računalo bi moglo i rasteretiti djelatnike u zdravstvu te preuzeti veliki dio obrade podataka.

Umjetna inteligencija je već našla više načina primjene u zdravstvu. Par nedavno razvijenih algoritama moglo je dijagnosticirati rak pluća i bolest srca preciznije od ljudi liječnika, a korištena je i pri određivanju rizika od razvoja jedne (ili više) od tri najčešće bolesti oka.

Doduše, preusmjeravanje ogromne količine osjetljivih osobnih podataka u jedan prediktivni model u vlasništvu jedne od najvećih privatnih korporacija na svijetu nije nužno najprivlačnije rješenje. Monopol na tom području mogao bi postati prilično neugodan, piše Futurism.