Τα διαδικτυακά chatbots είναι γνωστό ότι συχνά δίνουν αρκετά αμφίβολης ποιότητας συμβουλές υγείας, οι οποίες στη χειρότερη περίπτωση έχουν στείλει ανθρώπους στα επείγοντα. Ωστόσο, στα κατάλληλα χέρια, δηλαδή στα χέρια των γιατρών, τα εργαλεία αυτά αποδεικνύονται ικανά να καταφέρουν όσα οι επιστήμονες αδυνατούν μόνοι τους. Μια νέα έρευνα από το Νοσοκομείο Παίδων της Βοστώνης δείχνει ότι εργαλεία τεχνητής νοημοσύνης κατάφεραν να διαγνώσουν 18 παιδιά που έπασχαν από προηγουμένως αδιάγνωστες ασθένειες.
Με τη βοήθεια της τεχνολογίας, παιδιά με σπάνια νοσήματα και συμπτώματα μπορούν πλέον να βρίσκουν απαντήσεις σε πολύ μικρότερο χρονικό διάστημα. Η μελέτη, που δημοσιεύθηκε στο NEJM AI από το κέντρο σπάνιων παθήσεων του νοσοκομείου και την OpenAI, αποκάλυψε ότι τα μοντέλα της εταιρείας εντοπίζουν σφάλματα στο ανθρώπινο γονιδίωμα. Χρησιμοποιώντας το μοντέλο o3 Deep Research, η ομάδα ανέλυσε εκατοντάδες γονιδιώματα ασθενών χωρίς διάγνωση, βρίσκοντας απαντήσεις σε σχεδόν 5% των περιπτώσεων.
Όταν η διαδικασία γίνεται από ανθρώπους, η ανάλυση χιλιάδων δεδομένων για την εύρεση της γενετικής αιτίας μπορεί να διαρκέσει ημέρες, καθώς υπάρχουν περίπου 20.000 γονίδια που κωδικοποιούν πρωτεΐνες. Η ομάδα εισήγαγε στο σύστημα o3 τα γονιδιώματα 376 ασθενών, μαζί με τις σημειώσεις των κλινικών γιατρών, τα συμπτώματα και μια λίστα πιθανών υπεύθυνων γονιδίων.
Νέες διαγνώσεις προέκυψαν για 10 παιδιά με σπάνιες νευροαναπτυξιακές παθήσεις, τέσσερα με νευρομυϊκές διαταραχές και δύο με ψύχωση πρώιμης παιδικής ηλικίας, ενώ ταυτοποιήθηκαν και οι ασθένειες δύο παιδιών που είχαν πεθάνει ξαφνικά. «Είναι κάτι που αλλάζει ολοκληρωτικά το παιχνίδι», δήλωσε η επικεφαλής ερευνήτρια Catherine Brownstein. «Αν αναλογιστούμε πόσες φορές είχαν ήδη αναλυθεί αυτές οι περιπτώσεις, πρόκειται για τεράστιο νούμερο, και κάθε μία σημαίνει μια απάντηση για μια οικογένεια».
Η αναζήτηση στο τεράστιο σύνολο δεδομένων μοιάζει με το να ψάχνεις βελόνα στα άχυρα, με την Brownstein να σημειώνει ότι υπάρχουν «σελίδες επί σελίδων με αυτά τα γονίδια που πρέπει να εξετάσω για μια περίπτωση, ενώ το LLM δεν κουράζεται». Προηγούμενες έρευνες έχουν μελετήσει τη χρήση μεγάλων γλωσσικών μοντέλων για την ανίχνευση αλληλουχιών σε ασθενείς με σπάνιες παθήσεις.
Πολλοί ειδικοί χειροκροτούν τα ευρήματα, τονίζοντας ότι θα βοηθήσουν τους γιατρούς να βρίσκουν απαντήσεις ταχύτερα μέσω εμπορικών εργαλείων AI. Ωστόσο, προειδοποιούν ότι τα συστήματα απαιτούν ενδελεχή ανθρώπινη επίβλεψη, καθώς η αυτοδιάγνωση παραμένει επικίνδυνη. «Το να διατηρούμε τους ανθρώπους στη διαδικασία δεν είναι προαιρετικό — είναι η δικλείδα ασφαλείας που προστατεύει ζωές», δήλωσε ο Andy Kurtzig, CEO της Pearl.com.
Η ερευνητική ομάδα υπογραμμίζει ότι τα εργαλεία αυτά δεν αποτελούν θεραπεία για κάθε άγνωστη ασθένεια, αλλά ένα ισχυρό μέσο για την πλοήγηση των γιατρών σε περίπλοκα ιατρικά δεδομένα, σύμφωνα με την New York Post.
[penci_related_posts title=”ΔΙΑΒΑΣΤΕ ΑΚΟΜΑ:” number=”8″ style=”grid” align=”none” displayby=”cat” orderby=”random”]
