Nowoczesne rozwiązania w dziedzinie AI, uczenia maszynowego sprawiają, że możemy dziś korzystać z coraz bardziej zaawansowanych rzeczy. Przykładem tego są choćby jednoręki bandyta online w naszych telefonach. Jednak naukowcom chodzi o przede wszystkim o poprawę naszego życia, zdolności poszczególnych zawodów. Już teraz mówi się o tym, że w niedługim czasie uczenie maszynowe będzie w stanie pomóc lekarzom w podejmowaniu ważnych decyzji.
Nowe narzędzie do walki z sepsą
Szacuje się, że tylko w Samych Stanach Zjednoczonych każdego roku umiera ponad 270 tysięcy osób z powodu sepsy. Taki stan chorobowy może szybko się rozwijać, prowadząc do szybkiego spadku ciśnienia krwi, uszkodzenia tkanek, niewydolności wielu narządów i śmierci. Z tego też powodu bardzo ważne jest tutaj szybkie podejmowanie decyzji, stawianie diagnozy. Oczywiście jak najszybsze interwencje lekarzy ratują nasze życie, jednak trzeba też wiedzieć, że niektóre metody leczenia sepsy mogą również przyczynić się do pogorszenia stanu zdrowia pacjenta. Z tego też powodu wybór optymalnej terapii może być trudnym zadaniem. Przykładem tego są choćby pierwsze godziny sepsy, gdzie podanie dożylne zbyt dużej ilości płynów może nawet zwiększać ryzyko śmierci pacjenta.
Zespół naukowców, między innymi z MIT opracował w związku z tym model uczenia maszynowego, który będzie można w przyszłości wykorzystać do identyfikacji terapii. Specjalne algorytmy mają przy tym również ostrzegać lekarzy, gdy pacjent będzie w krytycznym momencie i być może konieczne będzie zastosowanie innego modelu leczenia. Naukowcy wykorzystali dane zebrane wielu szpitali, gdzie analiza wykazała, że aż 12% przypadków leczenia pacjentów, którzy zmarli, było szkodliwe. Mówimy zatem o tym, że odpowiednia wiedza, podejście są w stanie uratować pacjentów. Jeden z naukowców wypowiedział się, że stworzony przez nich model jest w stanie nawet osiem godzin wyprzedzić rozpoznanie przez lekarza pogorszenia stanu pacjenta. Ponieważ w takiej sytuacji liczy się każda minuta, 8 godzin to dla wielu osób może być szansą na uratowanie życia.
Naukowcy w swoim projekcie wykorzystali ograniczone dane ze szpitalnego oddziału intensywnej terapii, dzięki czemu ich model uczenia się został nakierowany w celu zidentyfikowania terapii, których należy unikać. Uniknięto w ten sposób problemów etycznych, gdzie maszyna decyduje o sposobie leczenia. Tutaj jedynie prezentowane są te terapie, których należy unikać. To, czego należy unikać, jest bardziej efektywnym statystycznie podejściem, które nie potrzebuje aż tylu danych do całego procesu. Podejście naukowców zwie się Dead-end Discovery (DeD). Stworzono tu dwie kopie sieci neuronowej. W pierwszej skupia się wyłącznie na negatywnych wynikach, w drugiej zaś tylko na pozytywnych wynikach. W ten oto sposób możliwe jest wykrycie ryzykownego leczenia w jednej, a później potwierdzenie jej za pomocą drugiej sieci. Obie sieci w dalszej kolejności podają szacunkową wartość wybranego leczenia, jak i również oceniają prawdopodobieństwo, że pacjent znajdzie się w trudnym położeniu. Oczywiście tego rodzaju model ma służyć lekarzom, a nie ich zastępować.
Mamy tu tylko przykład leczenia sepsy, a przecież podobne modele można bez trudu zastosować także do innych zjawisk medycznych. Dzięki temu w szpitalach i ośrodkach zdrowia lekarze będą mogli się posługiwać danymi i narzędziami, które będą wspomagać ich podczas doboru terapii czy późniejszego leczenia. To spora szansa na zmniejszenie śmiertelności wśród pacjentów. Oby zatem więcej takich projektów na świecie.