2025. 05. 05. - 08:30
Szól a betegségről a mesterséges intelligencia - amikor még tünet se jelenik meg
Előre jelez betegségeket egy új magyarázható mesterséges intelligencia, úgy, hogy az ember még annak tüneteit sem érzékeli magán.
Magyarázó mesterséges intelligenciát fejlesztettek ki a kutatók, amely képes a betegségek előrejelzésére, még mielőtt azok tünetei megjelennének a páciensen.
A Utah-i Egyetem Pszichiátriai Tanszék és a Huntsman Mentális Egészségügyi Intézet kutatói a Patterns folyóiratban mutatták be a RiskPath-ot.
Egy nyílt forráskódú szoftvereszközkészletről van szó, amely magyarázható mesterséges intelligenciát (XAI) használ annak előrejelzésére, vajon progresszív és krónikus betegségek alakulnak-e ki egy embernél, évekkel a tünetek megjelenése előtt.
A módszer potenciálisan átalakíthatja a megelőző egészségügyi ellátás módját.
Mi pontosan a magyarázható mesterséges intelligencia?
Az XAI olyan mesterséges intelligencia rendszer, amely képes az összetett döntéseket megmagyarázni az emberek által teljesen érthető módon. Olvasd el: Ritka betegséget segíthet túlélni a mesterséges intelligencia
Szól a betegségről a mesterséges intelligencia - amikor még tünet se jelenik meg
Az új technológia jelentős előrelépést jelent a betegségek előrejelzésében és megelőzésében, mivel több éven keresztül gyűjtött egészségügyi adatok mintázatait elemzi – s ezzel példátlan, 85–99 százalékos pontossággal azonosítja a veszélyeztetett egyéneket.
A longitudinális adatokra vonatkozó jelenlegi orvosi előrejelző rendszerek gyakran elvétik a célt: a veszélyeztetett betegeket csak az esetek felében-háromnegyedében azonosítják helyesen.
Fejlett idősoros mesterséges intelligencia algoritmusok
A longitudinális adatokra vonatkozó meglévő előrejelző rendszerekkel ellentétben a RiskPath fejlett idősoros mesterséges intelligencia algoritmusokat használ és magyarázhatóvá teszi azokat, hogy átfogó modelleket hozzon létre – ezek pedig kulcsfontosságú betekintést nyújtanak abba, hogyan hatnak egymásra hogy a kockázati tényezők, illetve miként változik a jelentőségük a betegség kialakulásának folyamata során.
„A krónikus, progresszív betegségek az egészségügyi költségek és a halálozások több mint 90 százalékát teszik ki” – mondta Nina de Lacy orvos, a Utah Egészségügyi Egyetem pszichiátriai adjunktusa és a tanulmány első szerzője.
„A magas kockázatú egyének azonosításával a tünetek megjelenése előtt vagy a betegség lefolyásának korai szakaszában - s annak meghatározásával, hogy mely kockázati tényezők számítanak a leginkább a különböző életszakaszokban -, célzottabb és hatékonyabb megelőző stratégiákat dolgozhatunk ki. A megelőző egészségügyi ellátás talán az egészségügy legfontosabb aspektusa jelenleg, ahelyett, hogy a problémákat csak a megvalósulásuk után kezelnénk” – tette hozzá.
A kutatócsoport három fő, hosszú távú betegcsoporton validálta a RiskPath-ot, több ezer résztvevő bevonásával, hogy sikerrel megjósoljon nyolc különböző állapotot - köztük a depressziót, a szorongást, az ADHD-t, a magas vérnyomást és a metabolikus szindrómát.
A technológia elmondásuk alapján számos kulcsfontosságú előnyt kínál.
Egyrészt a betegség progressziójának jobb megértését. A RiskPath képes feltérképezni, hogyan változik a különböző kockázati tényezők fontossága az idő múlásával, feltárva a beavatkozás kritikus ablakait. A tanulmány kimutatta, hogy a képernyő előtt töltött idő és a végrehajtó funkciók egyre fontosabb kockázati tényezőkké váltak az ADHD kialakulásában, ahogy a gyermekek közelednek a serdülőkorhoz.
A RiskPath egyszerűsített kockázatértékeléssel is szolgál. Bár az MI eszköz több száz egészségügyi változót képes elemezni, a kutatók felfedezték: a legtöbb állapot hasonló pontossággal előrejelezhető, mindössze 10 kulcsfontosságú tényező felhasználásával, így a klinikai környezetben történő alkalmazás könnyebben megvalósítható.
A RiskPath mesterséges intelligencia gyakorlati kockázatvizualizációt is jelent. A rendszer intuitív vizualizációkat biztosít, amelyek megmutatják, hogy egy személy életének mely időszakai járulnak hozzá leginkább a betegség kockázatához, segítve a kutatókat abban, hogy azonosítsák a megelőző beavatkozások optimális időpontját.
A kutatócsoport jelenleg azt vizsgálja, hogyan lehetne a RiskPath-ot a klinikai döntéstámogató rendszerekbe integrálni, valamint a megelőző ellátási programokba és a mentális betegségek idegi alapjaiba.
Terveik szerint kutatásaikat további betegségekre és sokszínű populációkra is kiterjesztenék.
B.A.
