Του Γιάννη Παλιούρη
Οι γιατροί κάνουν λόγο για πανδημία. Χαρακτηρισμός χωρίς ίχνος υπερβολής, αφού περίπου 425 εκατομμύρια άνθρωποι σε όλο τον κόσμο πάσχουν από σακχαρώδη διαβήτη τύπου 1 και 2, με τους μισούς από αυτούς να είναι μάλιστα αδιάγνωστοι. Ακόμα πιο ανησυχητική είναι η πρόβλεψη της Διεθνούς Ομοσπονδίας Διαβήτη, σύμφωνα με την οποία ο αριθμός των ασθενών θα φτάσει τα 629 εκατομμύρια το 2045.
Εκτός από τις προσπάθειες για τη θεραπεία της νόσου και τη βελτίωση της ποιότητας ζωής των ασθενών, οι επιστήμονες προσπαθούν να αποτρέψουν τις επιπλοκές που πυροδοτεί. Μία από αυτές είναι και η πιθανότητα εμφάνισης καρδιακής ανεπάρκειας, για τους ασθενείς που πάσχουν από σακχαρώδη διαβήτη τύπου 2.
Ερευνητές από το νοσοκομείο Brigham και το Ιατρικό Κέντρο UT Southwestern, στις ΗΠΑ, αξιοποίησαν ένα νέο μοντέλο Μηχανικής Μάθησης που μπορεί να προβλέψει με μεγάλη ακρίβεια ποιοι διαβητικοί κινδυνεύουν από καρδιακή ανεπάρκεια. 
Σύμφωνα με τη δημοσίευση της επιστημονικής ομάδας, στην ιατρική επιθεώρηση Diabetes Care, η πρόβλεψη που επιτυγχάνουν οι αλγόριθμοι θα επιτρέψει στους γιατρούς να αναπτύξουν εξατομικευμένες στρατηγικές για κάθε ασθενή που βρίσκεται σε κίνδυνο για καρδιακή ανεπάρκεια, σε βάθος πενταετίας.
Για την ανάπτυξη των αλγορίθμων, οι ερευνητές χρειάζονταν δεδομένα. Πολλά, προσωπικά δεδομένα, που διαβητικοί ασθενείς μοιράστηκαν εν γνώσει τους. Πιο αναλυτικά, αξιοποίησαν δεδομένα από 8.756 ασθενείς με διαβήτη που συμμετείχαν στο πρόγραμμα Action to Control Cardiovascular Risk in Diabetes (ACCORD). Αυτά τα δεδομένα περιλάμβαναν συνολικά 147 μεταβλητές, συμπεριλαμβανομένων δημογραφικών στοιχείων, κλινικών πληροφοριών, εργαστηριακών εξετάσεων κ.λπ. Το μέγεθος των πληροφοριών από μόνο του είναι τεράστιο. Ο συσχετισμός τους, δε, και η παραγωγή χρήσιμων, λογικών συμπερασμάτων, θα ήταν αδύνατος πριν μερικά χρόνια. Όχι, όμως, πια.
Χρησιμοποιώντας αλγορίθμους μηχανικής μάθησης ικανούς να χειριστούν πολυδιάστατα δεδομένα, οι ερευνητές κατόρθωσαν να προσδιορίσουν με μεγάλη ακρίβεια τους διαβητικούς ασθενείς που θα νοσούσαν από καρδιακή ανεπάρκεια. Η μέθοδος αντλεί την αποτελεσματικότητά της από το μεγάλο μέγεθος του δείγματος ωστόσο οι ερευνητές τονίζουν ότι οι προγνωστικοί παράγοντες χρειάζονται συνεχώς επικαιροποίηση, καθώς κάποιοι από αυτούς (για παράδειγμα η διατροφή) μεταβάλλονται διαρκώς. Με απλά λόγια, οι αλγόριθμοι πρέπει να τροφοδοτούνται με αληθή στοιχεία, ώστε να παράγουν αληθή αποτελέσματα.
Η συγκεκριμένη έρευνα αποτελεί ένα μόνο εργαλείο, στη γενικευμένη προσπάθεια που γίνεται για την μετατόπιση της ιατρικής από τη θεραπεία, στην πρόληψη. Αν και είναι ακόμα νωρίς για να υποστηρίξει κανείς ότι η Τεχνητή Νοημοσύνη ή η Ανάλυση Δεδομένων θα προβλέπουν το «μέλλον» της υγείας μας, είναι βέβαιο ότι θα αποτελέσουν έναν από τους πυλώνες της ιατρικής επιστήμης τα επόμενα χρόνια.
