Αυτή ακριβώς είναι η ιδέα που για πρώτη φορά έχουν βάλει σε εφαρμογή ερευνητές του Αντικαρκινικού Κέντρου Memorial Sloan Kettering της Νέας Υόρκης, οι οποίοι τροφοδοτούν ένα νέο πρόγραμμα τεχνητής νοημοσύνης με εκατοντάδες χιλιάδες κλινικές σημειώσεις και άλλα στοιχεία πάνω σε πραγματικά περιστατικά ασθενών (συμπτώματα, αιμοληψίες, βιοψίες, «κοκτέιλ» χημειοθεραπειών, παρατηρήσεις γιατρών κ.ά.).
Το πρόγραμμα εκπαιδεύεται σταδιακά να διαβάζει αυτόν τον τεράστιο όγκο ιατρικών δεδομένων και να προσπαθεί να βρει ομοιότητες ανάμεσα σε περιστατικά, που εκ πρώτης όψεως φαίνονται άσχετα μεταξύ τους.
«Ψάχνουμε μέσα σε όλα αυτά τα δεδομένα, μήπως βρούμε κάτι ενδιαφέρον», δήλωσε ο επικεφαλής της έρευνας, ο οποίος έκανε τη σχετική ανακοίνωση στο ετήσιο συνέδριο της Αμερικανικής Ένωσης για την Προώθηση της Επιστήμης (AAAS) στην Ουάσιγκτον την προηγούμενη εβδομάδα, σύμφωνα με το New Scientist.
Στόχος των ερευνητών είναι να αναπτύξουν υπολογιστικά μοντέλα, που θα αναλύουν την πορεία της ασθένειας κάθε ασθενούς, τη σχέση της πάθησής του με άλλους ασθενείς και την πιθανή εξέλιξή της στο μέλλον.
«Αν έχουμε κάτι τέτοιο στη διάθεσή μας, θα μπορούμε να εξετάσουμε με ποιό τρόπο θα θεραπεύσουμε καλύτερα τον συγκεκριμένο ασθενή», ανέφερε ο ερευνητής.
Μέχρι στιγμής, ο αλγόριθμος των ερευνητών έχει διαβάσει ανώνυμες ιατρικές σημειώσεις και άλλα δεδομένα για περίπου 200.000 καρκινοπαθείς.
Οι γιατροί, μεταξύ άλλων, ελπίζουν να φέρουν στο φως περιπτώσεις καρκίνου με κοινό γενετικό υπόβαθρο, «ποντάροντας» στο ότι -παρά την άγνοια ασθενών και γιατρών- η μηχανή τεχνητής νοημοσύνης θα διακρίνει κρυφές ομοιότητες στα ιατρικά ιστορικά.
Παράλληλα, άλλα προγράμματα τεχνητής νοημοσύνης εκπαιδεύονται να κάνουν ιατρικές διαγνώσεις, μετά από αξιολόγηση ακτινογραφιών, μαγνητικών τομογραφών και άλλων εξετάσεων.
Όπως τόνισε ο Ρετς, «ο ανθρώπινος νους -και του γιατρού- είναι περιορισμένος, συνεπώς προκύπτει η ανάγκη να χρησιμοποιήσουμε τη στατιστική και την επιστήμη των υπολογιστών».
