هوش مصنوعی در پیش‌بینی عوارض پزشکی از پزشکان پیشی می‌گیرد

به گزارش مجله خبری نگار-واشنگتن: هوش مصنوعی پیش از این توانایی خود را در تجزیه و تحلیل تصاویر دستگاه‌های پزشکی و قبولی در امتحانات دانشجویان پزشکی ثابت کرده است. اکنون، یک ابزار جدید مبتنی بر هوش مصنوعی توانایی خود را در خواندن گزارش‌های پزشکان و پیش‌بینی دقیق خطر مرگ، بستری مجدد و سایر عوارض احتمالی نشان داده است.

این برنامه توسط تیمی از دانشکده پزشکی گراسمن در مرکز سلامت لانگون دانشگاه نیویورک توسعه داده شده است و در حال حاضر در چندین بیمارستان همکار دانشگاه با هدف گسترش استفاده از آن در جامعه پزشکی در آینده، در حال آزمایش است.

مطالعه‌ای در مجله علمی نیچر در مورد مزایای بالقوه استفاده از این برنامه منتشر شد.

اریک اورمان، نویسنده اصلی این مطالعه، جراح مغز و اعصاب و مهندس کامپیوتر در کالج پزشکی نیویورک، توضیح داد که مدل‌های پیش‌بینی غیر مبتنی بر هوش مصنوعی مدت‌هاست که وجود دارند، اما استفاده عملی از آنها محدود است، زیرا پردازش داده‌ها یک فرآیند دست و پا گیر است.

او به خبرگزاری فرانسه گفت: «یک موضوع رایج در کار پزشکی، هر کجا که باشد، این است که پزشکان از آنچه می‌بینند و درباره آنچه با بیماران صحبت می‌کنند، یادداشت‌برداری می‌کنند.»

او توضیح داد که ایده اساسی محققان این بود که «دریابند آیا می‌توان از مشاهدات پزشکی به عنوان منبع داده استفاده کرد و از آنها مدل‌های پیش‌بینی ساخت».

این مدل پیش‌بینی که NYUTron نام دارد، بر اساس میلیون‌ها یادداشت پزشکی از پرونده‌های ۳۸۷۰۰۰ بیمار که بین ژانویه ۲۰۱۱ تا مه ۲۰۲۰ در بیمارستان‌های وابسته به دانشگاه نیویورک تحت درمان قرار گرفته‌اند، ایجاد شده است.

این یادداشت‌ها شامل گزارش‌های کتبی پزشک، یادداشت‌هایی در مورد پیشرفت بیمار، عکس‌های رادیولوژی و دستگاه‌های پزشکی و توصیه‌هایی که به بیماران هنگام ترخیص داده شده بود، در مجموع ۴.۱ میلیارد کلمه بود.

یکی از بزرگترین چالش‌های این برنامه، تفسیر موفقیت‌آمیز زبان مورد استفاده پزشکان بود، زیرا هر کدام اصطلاحات خاص خود را دارند که به ویژه از نظر اختصارات بسیار متفاوت است.

آنها همچنین این ابزار را در محیط‌های واقعی آزمایش کردند، به ویژه با آموزش آن برای تجزیه و تحلیل گزارش‌های بیمارستانی در منهتن، سپس مقایسه نتایج با نتایج بیمارستانی در بروکلین برای بیماران مختلف.

با مطالعه‌ی آنچه واقعاً برای بیماران اتفاق افتاده بود، محققان توانستند میزان صحت پیش‌بینی‌های برنامه را اندازه‌گیری کنند.

نه یک جایگزین. نتایج شگفت‌انگیز بود: برنامه نوترون توانست قبل از ترخیص بیماران از بیمارستان‌های همکار، مرگ ۹۵ درصد از کسانی را که متعاقباً فوت کردند، پیش‌بینی کند و پیش‌بینی‌های آن برای ۸۰ درصد از کسانی که کمتر از یک ماه پس از ترخیص دوباره در بیمارستان بستری شدند، صحیح بود.

این نتایج دقیق‌تر از آن چیزی بود که اکثر پزشکان انتظار داشتند و همچنین از انتظارات مدل‌های انفورماتیک غیر مبتنی بر هوش مصنوعی که در حال حاضر استفاده می‌شوند، فراتر رفت.

اما اریک اورمن توضیح داد که جای تعجب این بود که یک پزشک بسیار باتجربه و مورد احترام گسترده در جامعه پزشکی، پیش‌بینی‌هایی ارائه داد که «حتی بهتر از پیش‌بینی‌های ارائه شده توسط برنامه» بود.

این برنامه همچنین در پیش‌بینی طول مدت بستری بیماران در بیمارستان، به میزان موفقیت ۷۹ درصد، در پیش‌بینی زمان امتناع شرکت‌های بیمه از پوشش هزینه‌های پزشکی پرداختی توسط بیماران، به میزان موفقیت ۸۷ درصد و در پیش‌بینی زمان بروز مشکلات سلامتی بیشتر توسط بیماران، به میزان موفقیت ۸۹ درصد دست یافت.

دکتر اورمان تأکید کرد که هوش مصنوعی هرگز جایگزین رابطه پزشک و بیمار نخواهد شد، اما ممکن است به پزشکان اجازه دهد «اطلاعات بیشتری ارائه دهند تا بتوانند تصمیمات آگاهانه‌ای بگیرند».

(خبرگزاری فرانسه)