Sveikatos apsaugos bendrovėje „Geisinger“ dirbantis Brandonas Fornwaltas su kolegomis sukūrė dirbtinį intelektą ir pateikė jam apdoroti 1,77 mln. elektrokardiogramų (EKG), kurios buvo užrašytos beveik 400 000 žmonių, o pagal surinktus duomenis prognozuoti, kuriam iš pacientų rizika mirti per artimiausius metus yra didesnė.
Elektrokardiograma – širdies elektrinio aktyvumo kreivė. Jos nukrypimai nuo normos gali parodyt įvairias širdies ir kraujotakos sistemos būkles – pavyzdžiui, infarktą, aritmijas.
Mokslininkai apmokė dvi dirbtinio intelekto versijas. Vienai buvo duodami neapdoroti EKG duomenys, kuriuose yra tik laiko ir įtampos ašys. Kitam dirbtiniam intelektui dar buvo pateikta informacija ir apie pacientų amžių bei lytį.
Skaičiavimų tikslumas buvo matuojamas taikant vadinamąją AUC metriką, kuri matuoja, kaip tiksliai modelis sugeba atskirti dvi žmonių grupes. Šiuo atveju – pacientus, kurie mirė per metus nuo EKG užrašymo nuo tų, kurie nugyveno ilgiau. Dirbtinis intelektas pasižymėjo nuolatiniu tikslumo rodikliu, kuris buvo ne mažesnis nei 0,85. Idealus tikslumo rodiklis būtų 1, o jei rodiklis būtų 0,5, tuomet jį būtų galima vadinti atsitiktiniu spėjimu, kuriame nesugebama atskirti vienos grupės pacientų nuo kitų.
Anot B.Fornwalto, dabar medikų naudojamų modelių AUC įvertinimas yra tarp 0,65 ir 0,8.
Palyginimui, mokslininkai taip pat sukūrė algoritmą, kuris vertino tuos EKG bruožus, į kuriuos šiuo metu daugiausiai dėmesį kreipia medikai.
„Visais atvejais modelis, kuris vertino įtampas, veikė geriau nei bet kuris kitas modelis, kurį galima buvo sukurti pagal savybes, kurias dabar vertiname užrašinėdami EKG“, – aiškino B.Fornwaltas.
Dirbtinis intelektas mirties riziką tiksliai prognozuodavo net tiems asmenims, kurių EKG patyrę kardiologai įvertindavo kaip normalią. Trys kardiologai, atskirai vieni nuo kitų peržiūrėję iš pažiūros normalias elektrokardiogramas, nesugebėjo identifikuoti rizikos veiksnių, kuriuos atpažino kompiuteris.
„Šis atradimas skatina manyti, kad kompiuterinis modelis mato tai, ko nemato žmonės, ar bent jau mato, tačiau ignoruoja ir galvoja, jog tai yra normalu. Gali būti, kad dirbtinis intelektas gali išmokyti mus dalykų, kuriuos dešimtis metų klaidingai interpretuodavome“, – sakė B.Fornwaltas.
Specialistams iki šiol nėra suprantama, kokius grėsmės sveikatai požymius atpažįsta dirbtinis intelektas, todėl kai kurie medikai nėra linkę pasitikėti tokiomis programomis.
Pastarasis tyrimas buvo atliekamas naudojantis istoriniais duomenimis. Jis bus svarbus klinikiniuose tyrimuose demonstruojant, jog tokie algoritmai geba pagerinti pacientų gydymo rezultatus.
Tyrimo ataskaita bus pristatyta lapkričio 16 d., Amerikos širdies asociacijos mokslinėje sesijoje, kuri vyks Dalase (JAV).
