Συλλογική Νοημοσύνη: Ερευνητές από το Ινστιτούτο Max Planck για την Ανθρώπινη Ανάπτυξη, το Ινστιτούτο Γνωστικών Επιστημών και Τεχνολογιών (ISTC) και το Νορβηγικό Πανεπιστήμιο Επιστήμης και Τεχνολογίας ανέπτυξαν μια προσέγγιση συλλογικής νοημοσύνης για την αύξηση της ακρίβειας των ιατρικών διαγνώσεων. Το έργο τους δημοσιεύθηκε πρόσφατα στο περιοδικό Proceedings of the National Academy of Sciences. Υπολογίζεται ότι 250.000 άνθρωποι πεθαίνουν από ιατρικά λάθη που μπορούν να προληφθούν στις ΗΠΑ κάθε χρόνο.
Πολλά από αυτά τα λάθη προέρχονται κατά τη διάρκεια της διαγνωστικής διαδικασίας. Ένας ισχυρός τρόπος για την αύξηση της διαγνωστικής ακρίβειας είναι ο συνδυασμός των διαγνώσεων πολλών διαγνωστών σε μια συλλογική λύση. Ωστόσο, υπάρχει έλλειψη μεθόδων για τη συγκέντρωση ανεξάρτητων διαγνώσεων στη γενική ιατρική διάγνωση. Ερευνητές από το Ινστιτούτο Max Planck για την Ανθρώπινη Ανάπτυξη, το Ινστιτούτο Γνωστικών Επιστημών και Τεχνολογιών (ISTC) και το Νορβηγικό Πανεπιστήμιο Επιστήμης και Τεχνολογίας εισήγαγαν, ως εκ τούτου, μια πλήρως αυτοματοποιημένη λύση χρησιμοποιώντας μεθόδους μηχανικής της γνώσης Οι ερευνητές δοκίμασαν τη λύση τους σε 1.333 ιατρικές περιπτώσεις που παρείχε το The Human Diagnosis Project (Human Dx), κάθε μία από τις οποίες διαγνώστηκε ανεξάρτητα από 10 διαγνώστες. Η συλλογική λύση αύξησε σημαντικά τη διαγνωστική ακρίβεια: οι μεμονωμένοι διαγνωστικοί πέτυχαν ακρίβεια 46%, ενώ η συγκέντρωση των αποφάσεων των 10 διαγνωστικών αύξησε την ακρίβεια στο 76%. Οι βελτιώσεις σημειώθηκαν σε όλες τις ιατρικές ειδικότητες, τις κύριες καταγγελίες και τα επίπεδα θητείας των διαγνωστών. “Τα αποτελέσματά μας δείχνουν τις δυνατότητες διάσωσης ζωών από την αξιοποίηση της συλλογικής νοημοσύνης”, λέει ο πρώτος συγγραφέας Ralf Kurvers. Είναι ανώτερος ερευνητής στο Κέντρο Προσαρμοστικής Ορθολογικότητας του Ινστιτούτου Max Planck για την Ανθρώπινη Ανάπτυξη και η έρευνά του επικεντρώνεται στην κοινωνική και συλλογική λήψη αποφάσεων σε ανθρώπους και ζώα. Η συλλογική νοημοσύνη έχει αποδειχθεί ότι ενισχύει την ακρίβεια των αποφάσεων σε πολλούς τομείς, όπως η γεωπολιτική πρόβλεψη, οι επενδύσεις και η διάγνωση στην ακτινολογία και τη δερματολογία. Ωστόσο, η συλλογική νοημοσύνη έχει εφαρμοστεί κυρίως σε σχετικά απλές εργασίες λήψης αποφάσεων. Εφαρμογές σε πιο ανοικτά καθήκοντα, όπως η διαχείριση έκτακτων αναγκών ή η γενική ιατρική διάγνωση, απουσιάζουν σε μεγάλο βαθμό λόγω της πρόκλησης της ενσωμάτωσης μη τυποποιημένων εισροών από διαφορετικά άτομα.
Για να ξεπεράσουν αυτό το εμπόδιο, οι ερευνητές χρησιμοποίησαν σημασιολογικούς γράφους γνώσης, επεξεργασία φυσικής γλώσσας και την ιατρική οντολογία SNOMED CT, μια ολοκληρωμένη πολύγλωσση κλινική ορολογία, για τυποποίηση. “Μια βασική συμβολή της εργασίας μας είναι ότι, ενώ οι διαγνώσεις που παρέχονται από τον άνθρωπο διατηρούν την πρωτοκαθεδρία τους, οι διαδικασίες συγκέντρωσης και αξιολόγησης που εφαρμόζουμε είναι πλήρως αυτοματοποιημένες, αποφεύγοντας πιθανές μεροληψίες στην παραγωγή της τελικής διάγνωσης και επιτρέποντας στη διαδικασία να είναι πιο αποδοτική ως προς το χρόνο και το κόστος”, προσθέτει ο συν-συγγραφέας Vito Trianni από το Ινστιτούτο Γνωστικών Επιστημών και Τεχνολογιών (ISTC) στη Ρώμη. Οι ερευνητές συνεργάζονται επί του παρόντος -μαζί με άλλους εταίρους- στο πλαίσιο του έργου HACID για να φέρουν την εφαρμογή τους ένα βήμα πιο κοντά στην αγορά. Το έργο θα διερευνήσει μια νέα προσέγγιση που θα συνδυάζει ανθρώπινους εμπειρογνώμονες και αναπαράσταση και συλλογιστική γνώσης με υποστήριξη ΤΝ, προκειμένου να δημιουργηθούν νέα εργαλεία για τη λήψη αποφάσεων σε διάφορους τομείς. Η εφαρμογή της τεχνολογίας HACID στην ιατρική διάγνωση αναδεικνύει μία από τις πολλές ευκαιρίες για να επωφεληθούμε από ένα ψηφιακά βασισμένο σύστημα υγείας και προσβάσιμα δεδομένα .