Вештачка интелигенција може помоћи у смањењу лекарског прегледа

Посета лекару који генерише захтев за претрагу крви. Повратак који ствара још један захтев за претрагу крви јер лекар жели да се "увери." Ово је петља кроз коју су вероватно сви прошли или ће проћи у животу. Или мозда не. За Јонатхана Цхена, доцента за медицину на Универзитету Станфорд, вештачка интелигенција може помоћи да се алгоритам пробије кроз овај циклус.

Темељни и сматрани камен темељац дијагностичке медицине, поновљени крвни тестови могу значити преправку и преплав, јер су шансе за поновљене непромењене резултате огромне. Поред тога, опетовано давање истог теста може бити штетно за пацијента.

За Јасон Хома, доцента за медицину, поред финансијских недостатака непотребног тестирања, у неким се случајевима тестови раде толико често да пацијенти чак могу постати анемични.

Обезбеђивање дијагнозе је несумњиво од суштинске важности, али за Цхен је то потребно због недостатка смерница о томе шта је разлог различитих тестова крви. Цхен и његов тим наглашавају да је алгоритам извор ресурса који пружа доказе који морају бити узети у обзир за сваког пацијента, а не метода доношења одлуке за лекара или пацијенте.

Фото: Фреепик

Укратко, алгоритам говори лекару како ће вероватно други тест дати другачији резултат од првог.

Употреба вештачке интелигенције почела је да се тестира и открива да су лекари могли да смање тестове више пута. Подаци прикупљени у пилот студији показују да се неки од ових тестова изводе тако уско да је физиолошки немогуће променити вредности резултата.

Да би тестирали алгоритам, Цхен и његов тим користили су податке неидентификованих пацијената, као што су витални знакови, здравствена стања, симптоми, резултати лабораторијских тестова и други, како би показали колико често крвни тестови пријављују абнормалност. Тестови су вршени на Станфорду, Калифорнијском и Универзитету у Мичигену.

„Ово је добар први корак који показује да је заиста могуће користити податке на овај начин како би се смањило непотребно лабораторијско тестирање. Али на крају, наша идеја је да институције користе нашу методу и технологију, али да развију сопствене алгоритме на основу сопствених података како би генерисале највиши могући ниво тачности “, каже Цхен.