Η τεχνητή νοημοσύνη είναι σε θέση να προβλέψει ποιος είναι πιο πιθανό να πεθάνει από τον κοροναϊό. Με αυτόν τον τρόπο, μπορεί επίσης να βοηθήσει να αποφασίσει ποιος θα πρέπει να βρίσκεται στην πρώτη γραμμή για τα πολύτιμα εμβόλια που χορηγούνται τώρα σε όλη τη Δανία.
Τεχνητή νοημοσύνη μοντέλο: Η τεχνητή νοημοσύνη είναι σε θέση να προβλέψει ποιος είναι πιο πιθανό να πεθάνει από τον κορωνοϊό. Με αυτόν τον τρόπο, μπορεί επίσης να βοηθήσει να αποφασίσει ποιος θα πρέπει να βρίσκεται στην πρώτη γραμμή για τα πολύτιμα εμβόλια που χορηγούνται τώρα σε όλη τη Δανία. Το αποτέλεσμα είναι από μια πρόσφατα δημοσιευμένη μελέτη από ερευνητές στο Τμήμα Επιστήμης Υπολογιστών του Πανεπιστημίου της Κοπεγχάγης. Από το πρώτο κύμα της πανδημίας COVID-19, οι ερευνητές εργάζονται για να αναπτύξουν μοντέλα υπολογιστών που μπορούν να προβλέψουν, με βάση το ιστορικό ασθενειών και τα δεδομένα υγείας , πόσο σοβαρά θα επηρεαστούν οι άνθρωποι από το COVID-19.
Με βάση τα δεδομένα ασθενών από την Πρωτεύουσα της Δανίας και της Περιφέρειας Ζηλανδίας, τα αποτελέσματα της μελέτης δείχνουν ότι η τεχνητή νοημοσύνη μπορεί, με βεβαιότητα έως και 90 τοις εκατό, να καθορίσει εάν ένα μη μολυσμένο άτομο που δεν έχει ακόμη μολυνθεί θα πεθάνει από το COVID-19 εάν είναι αρκετά ατυχή για να μολυνθούν. Μόλις εισαχθεί στο νοσοκομείο με COVID-19, ο υπολογιστής μπορεί να προβλέψει με ακρίβεια 80 τοις εκατό εάν το άτομο θα χρειαστεί αναπνευστήρα. “Ξεκινήσαμε να δουλεύουμε στα μοντέλα για να βοηθήσουμε τα νοσοκομεία, καθώς κατά τη διάρκεια του πρώτου κύματος, φοβόταν ότι δεν είχαν αρκετές αναπνευστικές συσκευές για ασθενείς εντατικής θεραπείας. Τα νέα μας ευρήματα θα μπορούσαν επίσης να χρησιμοποιηθούν για να προσδιορίσουν προσεκτικά ποιος χρειάζεται ένα εμβόλιο”, εξηγεί ο καθηγητής Mads Nielsen του Τμήματος Επιστήμης Υπολογιστών του Πανεπιστημίου της Κοπεγχάγης.
Οι ηλικιωμένοι με υψηλή αρτηριακή πίεση διατρέχουν τον υψηλότερο κίνδυνο
Οι ερευνητές τροφοδότησαν ένα πρόγραμμα υπολογιστή με δεδομένα υγείας από 3.944 Δανέζους ασθενείς με COVID-19. Αυτό εκπαίδευσε τον υπολογιστή να αναγνωρίζει μοτίβα και συσχετισμούς τόσο στις προηγούμενες ασθένειες των ασθενών όσο και στις περιόδους τους κατά του COVID-19. «Τα αποτελέσματά μας καταδεικνύουν, όπως ήταν αναμενόμενο, ότι η ηλικία και ο ΔΜΣ είναι οι πιο αποφασιστική παράμετροι για το πώς σοβαρά ένα άτομο θα επηρεαστεί από COVID-19. Αλλά η πιθανότητα θανάτου ή να καταλήξουν σε μια αναπνευστική συσκευή είναι επίσης αυξημένη, αν είστε άνδρας, έχουν υψηλή αρτηριακή πίεση ή νευρολογική ασθένεια “, εξηγεί η Mads Nielsen. Οι ασθένειες και οι παράγοντες υγείας που, σύμφωνα με τη μελέτη, επηρεάζουν περισσότερο το κατά πόσον ένας ασθενής καταλήγει σε αναπνευστήρα αφού μολυνθεί με COVID-19 είναι κατά σειρά προτεραιότητας: ΔΜΣ, ηλικία, υψηλή αρτηριακή πίεση, αρσενικό, νευρολογικό ασθένειες, ΧΑΠ, άσθμα, διαβήτης και καρδιακές παθήσεις. “Για όσους επηρεάζονται από μία ή περισσότερες από αυτές τις παραμέτρους, έχουμε διαπιστώσει ότι μπορεί να έχει νόημα να τα μεταφέρουμε στην ουρά εμβολίων, για να αποφύγουμε τον κίνδυνο ανάφλεξης και τελικά να καταλήξουν σε αναπνευστική συσκευή”, λέει ο Nielsen.
Η πρόβλεψη αναπνευστικών αναγκών είναι απαραίτητη
Οι ερευνητές συνεργάζονται επί του παρόντος με την πρωτεύουσα της Δανίας για να επωφεληθούν από αυτήν την νέα παρτίδα αποτελεσμάτων στην πράξη. Ελπίζουν ότι η τεχνητή νοημοσύνη θα είναι σύντομα σε θέση να βοηθήσει τα νοσοκομεία της χώρας προβλέποντας συνεχώς την ανάγκη για αναπνευστήρες. «Εργαζόμαστε προς έναν στόχο που θα πρέπει να είμαστε σε θέση να προβλέψουμε την ανάγκη αναπνευστικών συσκευών πέντε ημέρες μπροστά, δίνοντας στον υπολογιστή πρόσβαση σε δεδομένα υγείας για όλα τα θετικά COVID στην περιοχή», λέει η Mads Nielsen, προσθέτοντας: “Ο υπολογιστής δεν θα μπορέσει ποτέ να αντικαταστήσει την αξιολόγηση ενός γιατρού, αλλά μπορεί να βοηθήσει τους γιατρούς και τα νοσοκομεία να δουν πολλούς μολυσμένους ασθενείς με COVID-19 ταυτόχρονα και να θέσουν τις τρέχουσες προτεραιότητες”. Ωστόσο, εκκρεμεί τεχνική εργασία για τη διάθεση δεδομένων υγείας από την περιοχή στον υπολογιστή και στη συνέχεια για τον υπολογισμό του κινδύνου για τους μολυσμένους ασθενείς. Η έρευνα πραγματοποιήθηκε σε συνεργασία με το Rigshospitalet και το Bispebjerg και το Frederiksberg Hospital.
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
