Κάθε χρόνο χιλιάδες επισκέπτομαστε τον γιατρό μας για το ετήσιο τσεκ-απ και παίρνουμε τη διαβεβαίωση ότι είμαστε υγιείς. Όμως αυτό δεν ισχύει για όλους: Για παράδειγμα, 300.000 Αμερικανοί θα πεθάνουν από ξαφνικό καρδιακό θάνατο χωρίς προηγούμενη προειδοποίηση.
Την ίδια στιγμή, παρά το γεγονός ότι υπάρχει πλέον μεγαλύτερη πρόσβαση σε προληπτικούς ελέγχους για τον καρκίνο, εντούτοις δεν έχει σημειωθεί σημαντική πρόοδος στην αποτροπή θανάτων από καρκίνο σε σχέση με τη δεκαετία του 1980.
Τι λείπει από τις τρέχουσες γνώσεις μας; Τι θα γινόταν αν μπορούσαμε να εντοπίσουμε τις ενδείξεις που θα μας υποδείκνυαν ποιός τελικά κινδυνεύει; Πώς θα μπορούσε αυτή η γνώση να αναμορφώσει τα συστήματα υγείας σε όλο τον κόσμο;
Σε αυτά τα ερωτήματα φιλοδοξεί να δώσει απάντηση η πλατφόρμα δεδομένων υγείας Nightingale Open Science που εξυπηρετεί ασθενείς και επαγγελματίες υγείας σε όλο τον κόσμο.
Μια νέα μέθοδος συγκέντρωσης και επεξεργασίας των δεδομένων υγείας
Τον Δεκέμβριο του 2021 ο Ziad Obermeyer, επιστήμονας του Πανεπιστημίου Μπέρκλεϊ της Καλιφόρνια με ειδίκευση στην Τεχνητή Νοημοσύνη, έθεσε σε εφαρμογή το πρόγραμμα Nightingale Open Science. Πρόκειται για μια βάση δεδομένων μοναδικών στατιστικών στοιχείων ασθενών, που σε πολλές περιπτώσεις πρόσφερε στους ασθενείς την ίαση τους μέσω της βοήθειας της ΑΙ στην επίτευξη της σωστής διάγνωσης.
Το φιλόδοξο project έλαβε χρηματοδότηση 2 εκατ. δολαρίων από τον πρώην διευθύνοντα σύμβουλο της Google, Eric Emerson Schmidt με στόχο τη δημιουργία αλγορίθμων που θα προβλέπουν και θα αξιολογούν εγκαίρως κρίσιμες καταστάσεις ασθενών και ως εκ τούτου θα τους σώζουν τη ζωή.
Οι αλγόριθμοι αυτοί βασίζονται σε 40 terabyte ιατρικών απεικονιστικών εξετάσεων, μικροβιολογικών, ακτίνων Χ, βιοψιών, ηλεκτροκαρδιογραφημάτων και παθολογικών ευρημάτων από ασθενείς σε μια σειρά παθήσεων, όπως είναι ο καρκίνος του μαστού, οι ξαφνικές καρδιακές ανακοπές, τα κατάγματα αλλά και η Covid 19. Η σύγκριση και η επεξεργασία αυτών των δεδομένων σε συνδυασμό πάντα με την πραγματική πορεία του ασθενούς και όχι απλά με μια ιατρική εκτίμηση, μας προσφέρει κρίσιμα στοιχεία όπως το καθοριστικό στάδιο για την επιβίωση στον καρκίνο του μαστού ή για το αν χρειάζεται διασωλήνωση ένας ασθενής με Covid ή αν ένας ασθενής χρειάζεται απινιδωτή.
Αυτό που διαφοροποιεί τη συγκεκριμένη πλατφόρμα είναι ότι
- επικεντρώνεται στη συλλογή ουσιαστικών δεδομένων και πληροφοριών σχετικών με ένα συγκεκριμένο κάθε φορά πρόβλημα και
- βασίζεται στα πραγματικά αποτελέσματα των ασθενών και όχι απλά στην ιατρική εκτίμηση.
Για παράδειγμα, τα σύνολα δεδομένων για τα ηλεκτροκαρδιογραφήματα καρδιακής ανακοπής δεν κατανέμονται ανάλογα με το αν ένας καρδιολόγος εντόπισε κάτι ύποπτο, αλλά με το εάν ο ασθενής τελικά υπέστη καρδιακή προσβολή.
Παραδίδοντας λοιπόν στους μηχανικούς της Τεχνητής Νοημοσύνης τα σωστά δεδομένα, τους βοηθούν να φτιάξουν τα σωστά μοντέλα που με τη σειρά τους θα ερμηνευτούν όχι μόνο από ανθρώπους αλλά και από τη Μηχανική Μάθηση, η οποία μπορεί να εντοπίσει σήματα και μοτίβα στα δεδομένα που οι άνθρωποι δεν μπορούν.
Ο Obermeyer μάλιστα εξασφάλισε νομικά την ελεύθερη χρήση των δεδομένων που συνέλεξε και ομαδοποίησε, έχοντας συνεργαστεί για διάστημα δύο ετών με νοσοκομεία στις ΗΠΑ και την Ταϊβάν. Βλέπετε, κάνοντας αυτά τα δεδομένα προσβάσιμα σε ευρείες ομάδες διεπιστημονικών ερευνητών, δημιουργείται το έδαφος να γίνουν ανακαλύψεις που θα σώσουν ζωές καθώς θα αναδείξουν άγνωστα πρότυπα ασθενειών.
Τους επόμενους μήνες μάλιστα ο Obermeyer σκοπεύει να εμπλουτίσει τις βάσεις δεδομένων του με στοιχεία από την Κένυα και τον Λίβανο, ώστε να αποτυπώνεται όσο το δυνατόν ακριβέστερα η ιατρική ποικιλομορφία.
Ως εκ τούτου, οι νέοι τύποι δεδομένων αναμένεται να βοηθήσουν στη μελέτη της εξάπλωσης ασθενειών σε διάφορες γεωγραφικές περιοχές του πλανήτη, καθώς η αντίδραση των πληθυσμών διαφοροποιείται πολλές φορές ανάλογα την περιοχή.
Τι είναι το Nightingale Open Labs
Παράλληλα με το Nightingale Open Science, ο Ziad Obermeyer και ο Sendhil Mullainathan ηγούνται επίσης του Nightingale Open Labs, ενός ερευνητικού δικτύου που στεγάζεται από κοινού στο UC Berkeley και στο Πανεπιστήμιο του Σικάγο, με στόχο την έρευνα πάνω στον συνδυασμό της Μηχανικής Μάθησης, της οικονομίας και της ιατρικής.
Μερικά από τα projects που είναι σε εξέλιξη αυτή την περίοδο είναι:
- Μια τυχαιοποιημένη κλινική δοκιμή ενός αλγορίθμου για τη διάγνωση της καρδιακής προσβολής. Βασιζόμενοι στο ότι η μηχανική μάθηση μπορεί να βοηθήσει τους γιατρούς να διαγνώσουν καρδιακή προσβολή στο ER , σχεδιάζουν και αναπτύσσουν μια μεγάλης κλίμακας τυχαιοποιημένη δοκιμή του αλγόριθμου σε πολλά νοσοκομεία σε όλο το σύστημα Providence. Η δοκιμή αυτή θα δώσει πολύτιμα δεδομένα για το πώς οι γιατροί αλληλεπιδρούν και υιοθετούν αλγόριθμους και εάν οι καλύτερες προβλέψεις μεταφράζονται πραγματικά σε καλύτερα αποτελέσματα για την υγεία.
- Μελέτη πάνω στον αιφνίδιο καρδιακό θάνατο
Μόνο στις ΗΠΑ, 300.000 άνθρωποι πεθαίνουν από αιφνίδιο καρδιακό θάνατο κάθε χρόνο. Είναι δε τραγικό το γεγονός ότι οι εμφυτεύσιμοι απινιδωτές θα μπορούσαν να αποτρέψουν πολλούς από αυτούς τους θανάτους , αρκεί να μπορούσαμε να ξέρουμε ποιοι ασθενείς τους χρειάζονται. Οι προβλέψεις μηχανικής μάθησης σχετικά με τον κίνδυνο αιφνίδιου καρδιακού θανάτου θα μπορούσαν μια μέρα να βοηθήσουν στον έγκαιρο εντοπισμό των ασθενών αυτών.
- Μελέτη πάνω στην ευπάθεια Covid
Κατά τη διάρκεια των πανδημικών κυμάτων σε όλο τον κόσμο, οι γιατροί βρίσκονται αντιμέτωποι πολλές φορές με ελλείψεις κρεβατιών και μερικές φορές αναγκάζονται να αποφασίσουν εάν οι ασθενείς με λοιμώξεις του αναπνευστικού όπως η COVID-19 είναι ασφαλείς να πάνε σπίτι τους ή χρειάζονται να παραμείνουν για παρακολούθηση στο νοσοκομείο.
Πολλές φορές όμως γίνονται λάθη. Ορισμένοι ασθενείς στο νοσοκομείο τελικά δεν χρειάζονταν προηγμένη φροντίδα, ενώ κάποιοι επιστρέφοντας σπίτι επιδεινώθηκαν γρήγορα.
Ένας από τους στόχους της πλατφόρμας λοιπόν είναι η σύνδεση των δεδομένων ακτινογραφίας θώρακα με το σύνολο αιματολογικών εξετάσεων, αλλά και δεδομένων αναπνευστικών ήχων ασθενών με Covid, όπως η αναπνοή, ο βήχας και ηχογραφήσεις της φωνής τους, προκειμένου να καταλήξουμε σε ένα εργαλείο με στόχο τη βελτιστοποίηση της διαλογής και της διάγνωσης.
Αποποίηση Ευθύνης
Το υλικό αυτό παρέχεται για πληροφοριακούς και μόνο σκοπούς. Σε καμιά περίπτωση δεν πρέπει να εκληφθεί ως προσφορά, συμβουλή ή προτροπή για την αγορά ή πώληση των αναφερόμενων προϊόντων. Παρόλο που οι πληροφορίες που περιέχονται βασίζονται σε πηγές που θεωρούνται αξιόπιστες, ουδεμία διασφάλιση δίνεται ότι είναι πλήρεις ή ακριβείς και δεν θα πρέπει να εκλαμβάνονται ως τέτοιες.
