هوش مصنوعی ۱۰۰۰ بیماری را در دهه آینده پیش‌بینی می‌کند

به گزارش مجله خبری نگار، تیمی از دانشمندان ابزار جدیدی را توسعه داده‌اند که با استفاده از هوش مصنوعی، احتمال ابتلای افراد به بیش از ۱۰۰۰ بیماری، از جمله سرطان، را در ده سال آینده پیش‌بینی می‌کند.

دانشمندان امیدوارند این فناوری به شناسایی بیماران در معرض خطر بالاتر بیماری کمک و امکان پیشگیری را سال‌ها قبل از وقوع آن فراهم کند. این ابزار احتمال ابتلای فرد به بیماری‌های جدی مانند سرطان، بیماری‌های قلبی و دیابت را ارزیابی و زمان ابتلای آنها را تعیین می‌کند.

این مدل، Delphi-۲ M، با تجزیه و تحلیل سوابق پزشکی محرمانه و همچنین عوامل سبک زندگی مانند سیگار کشیدن، مصرف الکل و چاقی آموزش داده شده است تا پیش‌بینی کند که چه اتفاقی ممکن است در ۲۰ سال آینده رخ دهد.

اندازه آزمایش و آموزش

این مدل با استفاده از داده‌های ۴۰۰۰۰۰ بیمار از مطالعه Biobank انگلستان و ۱.۹ میلیون نفر از ثبت ملی بیماران دانمارک آزمایش شد. دانشمندان امیدوارند این فناوری به بیماران کمک کند تا احتمال ابتلای خود به بیماری‌ها را در طول زمان درک کنند و امکان مداخله زودهنگام و مراقبت‌های پیشگیرانه را فراهم کند.

پروفسور ایوان بیرنی، مدیر اجرایی آزمایشگاه زیست‌شناسی مولکولی اروپا، تأیید کرد که این ابزار می‌تواند در مطب پزشکان برای کمک به بیماران در درک خطرات سلامتی خود و انجام اقدامات پیشگیرانه مورد استفاده قرار گیرد.

وی گفت: پزشک می‌تواند با گفتن "این‌ها خطرات اصلی هستند و در اینجا چند نکته برای تغییر وضعیت وجود دارد" بیمار را راهنمایی کند. وی افزود که این توصیه‌ها شامل کاهش وزن و ترک سیگار و توصیه‌های خاص‌تر برای بیماری‌های خاص خواهد بود.

پروفسور موریتز گرستینگ، متخصص زیست‌شناسی محاسباتی سرطان، خاطرنشان کرد که این مدل آغاز یک روش جدید برای درک سلامت انسان و پیشرفت بیماری است و می‌تواند در برنامه‌های غربالگری اولیه و برای تخمین تعداد افرادی که انتظار می‌رود به بیماری‌های خاص مبتلا شوند، برای تسهیل برنامه‌ریزی سلامت، مورد استفاده قرار گیرد.

محدودیت‌های مدل و موارد احتیاط

در حالی که این مدل در پیش‌بینی بیماری‌هایی که به تدریج ایجاد می‌شوند، مانند دیابت نوع ۲ و حملات قلبی، دقیق است، توانایی محدودی در پیش‌بینی رویداد‌های تصادفی مانند عفونت‌ها دارد. سایر کارشناسان با اشاره به سوگیری در داده‌های آموزشی، نسبت به تفسیر بیش از حد نتایج هشدار داده‌اند.

پروفسور جاستین استبینگ گفت: «این مدل، سوگیری‌های موجود در داده‌ها، از جمله انتخاب داوطلبان سالم را ثبت می‌کند.» پروفسور پیتر بنیستر افزود که چالش، تضمین وجود زیرساخت‌های دیجیتال و مهارت‌های کافی برای بهره‌مندی همه گروه‌ها از این فناوری است.

دانشمندان معتقدند که Delphi-۲ M گامی مهم در جهت پیش‌بینی طیف وسیعی از بیماری‌ها در درازمدت است. کارشناسان همچنین خاطرنشان می‌کنند که گنجاندن داده‌های اضافی، مانند نشانگر‌های زیستی، تصویربرداری و ژنومیک، می‌تواند این ابزار را به یک پلتفرم جامع برای پزشکی دقیق تبدیل کند.

این مطالعه در مجله Nature منتشر شده است.