News powiązane z SI w medycynie

Nawet z 90-proc. dokładnością modele sztucznej inteligencji potrafią wychwytywać zmiany genetyczne mogące prowadzić do chorób rzadkich. To bardzo istotne, bo przesiewowe badania genetyczne i analiza wyników przez SI mogłyby się przyczynić do wykrywania tych chorób już na etapie przedobjawowym, co torowałoby drogę do skutecznego leczenia, jeśli tylko w danej jednostce jest ono dostępne. Może to również usprawnić prace nad wykrywaniem czynników mogących wywoływać różne choroby i nad innowacyjnymi terapiami. W przypadku chorób sierocych problemem pozostaje wciąż skąpa baza danych, na których algorytmy mogłyby się uczyć.

Dane medyczne są bazą, na której szkolą się algorytmy sztucznej inteligencji. W kolejnych latach będą one coraz częściej wykorzystywane w ochronie zdrowia m.in. do automatyzacji diagnostyki, prognozowania wyników czy wspomagania decyzji lekarzy. Aby zbudować solidną bazę takich informacji, potrzebne są jednak chęci i zgody pacjentów na przetwarzanie dokumentacji na cele badawczo-naukowe. Polscy pacjenci są coraz bardziej zainteresowani przekazywaniem swoich danych, przynajmniej w deklaracjach, ale wciąż obawiają się o ich bezpieczeństwo i ryzyko wykorzystania w innych celach niż naukowe.

Algorytm stworzony przez polski start-up medyczny w zaledwie kilka sekund przeanalizuje wyniki badania mózgu tomografem komputerowym i wykryje niepokojące zmiany. Dzięki temu diagności medyczni poradzą sobie z lawinowo rosnącą ilością danych, które muszą przeanalizować. Jak wskazują eksperci, sztuczna inteligencja nie wyprze zawodu lekarza, ale zwłaszcza w dobie niedoboru ich na rynku pracy znacznie usprawni pracę m.in. radiologów.

Sztuczna inteligencja wykazuje aż 85-proc. skuteczność w diagnozowaniu raka prostaty na podstawie obrazowania metodą rezonansu magnetycznego. To rezultat zbliżony do tego, który osiągają doświadczeni klinicyści. Polacy wykorzystają ten mechanizm do stworzenia rozwiązania automatyzującego proces diagnostyki. Dzięki takim metodom czas od wykonania badania do wdrożenia spersonalizowanego leczenia skróci się nawet o 90 proc.

Dzięki sztucznej inteligencji badania kliniczne mogą być przeprowadzane z dużo większą dokładnością. Algorytmy uczenia maszynowego w oparciu o dane biometryczne sprawdzą poziom stresu u osób poddanych badaniu. Dzięki strumieniowej transmisji danych lekarze będą mieli możliwość dokładniejszej i szybszej oceny wpływu badania na pacjenta, co pomoże udoskonalić testowane leki, również po ich wprowadzeniu na rynek. Sztuczna inteligencja jest przyszłością medycyny, a jej wykorzystanie pozwoli na znaczne oszczędności w systemach ochrony zdrowia.