array(0) {
}
                            

Ai Key Takeaways

Σχετικά με αυτή την περίληψη

Η περίληψη δημιουργήθηκε αυτόματα με τη βοήθεια τεχνητής νοημοσύνης, ώστε να σας δώσει μια γρήγορη εικόνα των βασικών σημείων του άρθρου.

Οι περιλήψεις AI ενδέχεται να περιέχουν ανακρίβειες ή παραλείψεις. Για την πλήρη ενημέρωση, διαβάστε ολόκληρο το άρθρο.

• Ερευνητές της Microsoft ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης που προσομοιώνει τη διαγνωστική διαδικασία των γιατρών για την αντιμετώπιση σύνθετων ιατρικών περιστατικών.
• Το συγκεκριμένο σύστημα επιδεικνύει διπλάσια ακρίβεια από τους γενικούς ιατρούς, καθώς καθοδηγεί συστηματικά τη συλλογή κλινικών δεδομένων και την επιλογή των κατάλληλων εξετάσεων.
• Η τεχνολογία αναθεωρεί συνεχώς τις διαγνωστικές υποθέσεις της κατά τη διάρκεια της εξέτασης, προσαρμόζοντας το πλάνο της ανάλογα με τα νέα ευρήματα.
• Η εφαρμογή του μοντέλου στη διαγνωστική διαδικασία συμβάλλει επίσης στον περιορισμό του κόστους σε σύγκριση με τις παραδοσιακές μεθόδους διερεύνησης που ακολουθούν οι ιατροί.

Εντύπωση προκαλούν τα στοιχεία μίας νέας μελέτης σύμφωνα με την οποία, ένα εργαλείο τεχνητής νοημοσύνης που αναπτύσσουν ερευνητές της Microsoft ομοιαζει με τη διαδικασία διάγνωσης που ακολουθούν οι γιατροί.

Μάλιστα, το συγκεκριμένο εργαλείο ήταν δύο φορές πιο ακριβές από τους γενικούς ιατρούς στην επίλυση σύνθετων ιατρικών περιστατικών.

Το μοντέλο προσδιορίζει και συντονίζει τις ερωτήσεις που πρέπει να τεθούν στον ασθενή, καθώς και τις εξετάσεις και τις διαγνωστικές δοκιμές που πρέπει να πραγματοποιηθούν.

Τα υπάρχοντα μοντέλα ιατρικής τεχνητής νοημοσύνης συνήθως ακολουθούν μια διαφορετική προσέγγιση: εξετάζουν ταυτόχρονα όλα τα συμπτώματα του ασθενούς, τα εργαστηριακά αποτελέσματα και τις απεικονιστικές εξετάσεις, προκειμένου να καταλήξουν σε μια διάγνωση.

Αντίθετα, το νέο μοντέλο, με τον συντονιστή να καθοδηγεί τη διαδικασία, ξεκινά αποφασίζοντας ποιες πληροφορίες πρέπει να συλλέξει για το ιατρικό ιστορικό του ασθενούς και ποια ευρήματα από τη φυσική εξέταση έχουν σημασία. Στη συνέχεια, με βάση τα δεδομένα που συγκεντρώνει, επιλέγει τις εξετάσεις που πρέπει να γίνουν, αξιολογεί τα αποτελέσματα και ζητά πρόσθετους ελέγχους, εφόσον κρίνεται απαραίτητο.

Καθ’ όλη τη διάρκεια της διαδικασίας, το σύστημα αναθεωρεί τις αρχικές διαγνωστικές υποθέσεις του και προσαρμόζει το σχέδιό του, όπως ανέφεραν οι επικεφαλής της έρευνας σε συνέντευξή τους.

Όταν κλήθηκε να αντιμετωπίσει περισσότερα από 300 ιδιαίτερα ασυνήθιστα και περίπλοκα ιατρικά περιστατικά, το μοντέλο με τον διαγνωστικό συντονιστή ήταν πάνω από δύο φορές πιο ακριβές από τους γενικούς ιατρούς, οι οποίοι βασίζονταν σε ιατρικά συγγράμματα και στο διαδίκτυο, τόσο στη διερεύνηση των περιστατικών όσο και στον προσδιορισμό της διάγνωσης.

Το σύστημα σημείωσε καλύτερες επιδόσεις από τους γιατρούς και σε σενάρια που βασίστηκαν σε περιστατικά από μεγάλη βάση δεδομένων εισαγωγών στα τμήματα επειγόντων περιστατικών.

Όπως εξήγησαν οι ερευνητές, οι μέχρι σήμερα αξιολογήσεις των συστημάτων τεχνητής νοημοσύνης σε σύγκριση με τους γιατρούς στηρίζονται συνήθως σε ερωτήσεις πολλαπλής επιλογής.

«Η τεχνητή νοημοσύνη έχει γίνει εξαιρετικά καλή στο να πετυχαίνει ποσοστό επιτυχίας 100% σε τέτοιου είδους δοκιμασίες», δήλωσε ο εταιρικός αντιπρόεδρος του τομέα υγείας της Microsoft AI, η ομάδα του οποίου αναπτύσσει τη νέα τεχνολογία.

Η μελέτη έδειξε ακόμη ότι η χρήση του συστήματος τεχνητής νοημοσύνης για τον σχεδιασμό της διαγνωστικής διαδικασίας περιόριζε το κόστος σε σύγκριση με τη διερεύνηση των περιστατικών από τους γιατρούς.

Πηγή: Reuters