پیش بینی بیماری و مرگ با استفاده هوش مصنوعی
دریک پژوهش جدید که در مجله علمی بسیار معتبر Nature منتشر شده، پژوهشگران یک مدل هوش مصنوعی جدید معرفی کرده‌اند که می‌تواند مسیر سلامت انسان را در طول زمان و متناسب با افزایش سن فرد پیش‌بینی کند. در واقع و به عبارت ساده تر این مدل هوش مصنوعی می تواند داستان سلامت و بیماری در زندگی هر فرد را قبل از اینکه اتفاق بیفتند، بنویسد و با دقت بالایی الگوهای سلامت و بیماری احتمالی آینده را پیش‌بینی کند. این مدل حتی می تواند مرگ انسان را با دقت ۹۷ درصد پیش بینی کند.
هدف اصلی این پژوهش ساخت مدلی بوده که بتواند با استفاده از داده‌های پزشکی، سبک زندگی و سوابق بیماری افراد، احتمال ابتلا به بیماری‌های مختلف را در آینده پیش‌بینی کند و به متخصصین حوزه پزشکی و سیاست‌گذاران سلامت برای برنامه‌ریزی بهتر در حوزه سلامت، پیشگیری از بیماری‌ها، و تخصیص منابع درمانی کمک نماید و نیز سیاست‌گذاران و سازمان‌های بیمه بتوانند از این قابلیت‌های پیش‌بینی برای تخصیص منابع و بازطراحی سیستم بهداشت و درمان برای برنامه های پیشگیری استفاده کنند.
با استفاده از این مدل جدید، صدها نوع از بیماری‌های انسانی مانند دیابت، سرطان ها، بیماری‌های قلبی، اختلالات روانی و عصبی حدود بیست سال قبل از بروز اولین علائم و با تخمین زمان تقریبی بروز آن بیماری‌ها قابل پیش‌بینی هستند. واضح است که با داشتن چنین ابزاری که بتواند این پیش‌بینی‌ها را انجام دهد، می‌توان جان انسان‌ها را نجات داد و هزینه‌های درمانی را کاهش داد.
این هوش مصنوعی، با آموزش مدل بر روی سوابق پزشکی طولانی‌مدت ۴۰۰,۰۰۰ نفر در بانک زیستی بریتانیا (UK Biobank) و اعتبارسنجی آن روی داده‌های ۱,۹ میلیون نفر از جمعیت دانمارک و با همکاری مراکز بزرگی چون مرکز تحقیقات سرطان آلمان (DKFZ) و مؤسسه بیوانفورماتیک اروپا (EMBL-EBI) به این توانمندی فوق العاده دست یافته است. ورودی‌های مدل شامل داده های تشخیص‌های بیمارستانی، مراجعات اولیه، سوابق بیماری و مرگ، آزمایش‌های خون، ژنتیک، داروها، و اطلاعات سبک زندگی مانند تغذیه و فعالیت بدنی بوده اند. البته این هنوز آغاز راه است و پتانسیل عظیمی برای ادغام داده های جدید ژنومی، بایومارکرها (نشانگرهای زیستی قابل اندازه‌گیری در بدن) و ساعت‌های سن اپی‌ژنتیک برای سنجش سرعت پیری هر اندام برای توسعه و ارتقاء بیشتر نیز وجود دارد.
این مدل هوش مصنوعی در واقع به کادر پزشکی برای تشخیص زودهنگام بیماری‌ها، طراحی برنامه‌های پیشگیرانه و ارائه درمان‌های شخصی‌سازی‌شده کمک می کند و به سیاست‌گذاران سلامت نیز برای تخصیص بهینه منابع درمانی، طراحی مداخلات جمعیتی و پیش‌بینی بار بیماری‌ها در آینده یاری می رساند. البته به عنوان محدودیت‌ها و هشدارهای استفاده از این مدل، پژوهشگران تأکید می‌کنند که این مدل نباید فعلا جایگزین تصمیمات بالینی شود و باید به عنوان ابزار کمکی در کنار تخصص های پزشکی استفاده شود و البته همچنان نیز نیاز به بررسی‌های بیشتر در محیط‌های بالینی دارد. با وجود این، این فناوری در آینده می‌تواند در کشورهای مختلف و جمعیت‌های گوناگون عملکرد خوبی داشته و با توسعه بیشتر می‌تواند به یکی از ابزارهای اصلی در پزشکی آینده در گروه های جمعیتی تبدیل شود که نه‌تنها درمان می‌کند، بلکه پیش‌بینی و پیشگیری را نیز بیست سال قبل از وقوع ممکن می‌سازد.
(برای مطالعۀ مفصل تر اینجا را کلیک کنید)
