پیش‌بینی سلامت شما در ۱۰ سال آینده با هوش مصنوعی
به گزارش شبکه خبری ایران ۲۴ از ایرنا، وبگاه بی‌بی‌سی در گزارشی آورده است: هوش مصنوعی می‌تواند مشکلات سلامت افراد را تا بیش از یک دهه آینده پیش‌بینی کند. دانشمندان می‌گویند فناوری هوش مصنوعی یاد گرفته است با شناسایی الگو‌های موجود در سوابق پزشکی افراد، خطر ابتلای آنان به بیش از هزار بیماری را محاسبه کند. این فناوری شبیه پیش‌بینی وضعیت آب‌وهوا عمل می‌کند: همان کاری که برای پیش‌بینی احتمال ۷۰ درصدی بارش صورت می‌گیرد، این‌بار برای سلامت انسان انجام می‌شود.
این مدل هوش مصنوعی که دِلفی-۲ اِم (Delphi-۲ M) نام دارد، از فناوری مشابه چت‌بات‌های شناخته‌شده‌ای مانند چَت‌جی‌پی‌تی استفاده می‌کند. چت‌بات‌ها برای فهم الگو‌های زبانی آموزش دیده‌اند، اما دِلفی-۲ اِم برای یافتن الگو‌ها در سوابق پزشکی ناشناس آموزش داده شده تا بتواند رویداد‌های آینده و زمان وقوع آنها را پیش‌بینی کند.
باید توجه داشت که دِلفی-۲ اِم نمی‌تواند تاریخ دقیق را پیش‌بینی کند؛ مثلاً نمی‌گوید شما در تاریخ ۹ مهر دچار حمله قلبی می‌شوید؛ اما احتمال ابتلا به هزار و ۲۳۱ بیماری را تخمین می‌زند.
پروفسور ایوان بِرنی (Ewan Birney)، مدیر موقت آزمایشگاه زیست‌شناسی مولکولی اروپا می‌گوید: این مدل می‌تواند نه فقط احتمال ابتلا به یک بیماری، بلکه همه بیماری‌ها را به طور هم‌زمان پیش‌بینی کند؛ قبلاً به هیچ‌وجه چنین امکانی وجود نداشت.
این مدل هوش مصنوعی در ابتدا با استفاده از مجموعه‌ای از اطلاعات پزشکی ناشناس مربوط به ۴۰۰ هزار نفر از مردم بریتانیا (از جمله پذیرش در بیمارستان‌ها، سوابق پزشکی عمومی و عادات سبک زندگی مانند سیگار کشیدن) توسعه یافت؛ سپس با استفاده از داده‌های یک میلیون و ۹۰۰ هزار نفر در دانمارک آزمایش شد.
نتایج نشان داد مدل دِلفی-۲ اِم در پیش‌بینی بیماری‌هایی با سیر پیشرفت پیش‌بینی‌پذیر مانند دیابت نوع ۲، حملات قلبی و سِپسیس (گندخونی)، بهترین عملکرد را دارد؛ بر این اساس، هدف پژوهشگران این است که از این مدل برای شناسایی زودهنگام بیماران پرخطر استفاده شود تا هم از بروز بیماری‌ها پیشگیری به عمل آید و هم به بیمارستان‌ها برای پیش‌بینی تقاضا و برنامه‌ریزی منابع در منطقه خود، کمک شود.
البته این مدل هوش مصنوعی که حاصل همکاری مشترک بین آزمایشگاه زیست‌شناسی مولکولی اروپا، مرکز تحقیقات سرطان آلمان (DKFZ) و دانشگاه کپنهاگ است، قبل از استفاده بالینی نیازمند اصلاحات بیشتر، آزمایش‌های گسترده‌تر و عبور از فرآیند‌های نظارتی است.
