EuroNews-ის ინფორმაციით, მკვლევრები იუწყებიან, რომ ხელოვნური ინტელექტის მოდელებმა შეძლეს ფილტვის კიბოს რისკის პროგნოზირება სამი ფაქტორის საფუძველზე.
ახალმა კვლევამ აჩვენა, რომ საუკეთესო არსებულ მოდელებთან შედარებით, ხელოვნური ინტელექტის (AI) მოდელები ისევე კარგად ან უკეთესად ახდენენ ადამიანის ფილტვის კიბოს რისკების დადგენას.
ლონდონის საუნივერსიტეტო კოლეჯის და დიდი ბრიტანეთის კემბრიჯის უნივერსიტეტის მკვლევარებმა გამოიყენეს გაერთიანებული სამეფოს ბიობანკისა და აშშ-ს ფილტვების ეროვნული სკრინინგის საცდელი მონაცემები, რათა შეემუშავებინათ მოდელები, რომელსაც შესაძლებლობა ექნებოდა გამოესახა პროგნოზები, ექნებოდა თუ არა ადამიანს ფილტვის კიბოს რიკსები მომდევნო ხუთი წელის განმავლობაში.
მათ 60-ზე მეტი სხვადასხვა მანქანური სწავლის მოდელის ექსპერიმენტები გამოიყენეს, რათა დაენახათ, რომელი იყო ყველაზე ეფექტური დაავადების რისკის პროგნოზირებაში. Ამ 60-დან კი, ოთხი გააერთიანეს და შეძლეს ფილტვის კიბოს რისკის პროგნოზირება იგივე ან გაუმჯობესებული სიზუსტით საუკეთესო ხელმისაწვდომ მოდელებთან შედარებით. დასკვნები სამშაბათს, ჟურნალ PLOS Medicine-ში გამოქვეყნდა.
მოდელები იკვებებოდნენ მხოლოდ სამი ფაქტორით: ადამიანის ასაკი, რამდენი წელი ეწეოდა და დღეში მოწეული სიგარეტის საშუალო რაოდენობა.
„ჩვენმა კვლევამ აჩვენა, რომ ხელოვნური ინტელექტის გამოყენება შესაძლებელია ფილტვის კიბოს რისკის ზუსტად პროგნოზირებისთვის, მხოლოდ სამი ინფორმაციის გამოყენებით, რომელთა შეგროვებაც ადვილი იქნება ექიმთან რუტინული შეხვედრების დროს, ონლაინ ან აპლიკაციების საშუალებით“, - თქვა ლონდონის საუნივერსიტეტო კოლეჯის დოქტორმა ტომ კალენდერმა განცხადებაში.
“ამ მიდგომას აქვს პოტენციალი მნიშვნელოვნად გაამარტივოს მოსახლეობის დონის სკრინინგი ფილტვის კიბოსთვის და დაეხმაროს მის რეალობად ქცევას“.
ჯანდაცვის მსოფლიო ორგანიზაციის (WHO) მონაცემებით, ფილტვის კიბო მსოფლიოში კიბოს სიკვდილიანობის წამყვანი მიზეზია, ხოლო მოწევა ფილტვის კიბოს წამყვანი მიზეზია, რაც ყველა შემთხვევის 85%-ს შეადგენს. ჯანდაცვის მსოფლიო ორგანიზაციის თქმით, ამ მიზეზით 2020 წელს 1,8 მილიონი ადამიანი დაიღუპა.
მკვლევრები აცხადებენ, რომ ფილტვის კიბოს სკრინინგის რისკის შეფასება შეიძლება გამარტივდეს შესრულების შემცირების გარეშე. ამან შეიძლება გააუმჯობესოს ეროვნული სკრინინგის პროგრამების ეფექტურობა.
”ეს კვლევა არის მთავარი მაგალითი იმისა, თუ როგორ შეუძლია მანქანური სწავლის ინსტრუმენტებმა, როგორიცაა AutoPrognosis, ინოვაციურ კლინიკურ მკვლევრებთან ერთად, მოახდინოს რეალური გავლენა ჯანდაცვის სფეროში მოსახლეობის დონეზე,” - თქვა კვლევის ავტორმა, მიჰელა ვან დერ შაარმა.
“კვლევის ერთ-ერთი შეზღუდვა იყო ის, რომ იგი ეფუძნებოდა რეტროსპექტულ მონაცემებს დიდი ბრიტანეთიდან და აშშ-დან, ამიტომ სხვა რეგიონების სხვა მონაცემები უნდა იქნას გათვალისწინებული”, დასძინეს მკვლევარებმა.
