- Ο κοροναϊός επηρεάζει διαφορετικούς ανθρώπους με διαφορετικούς τρόπους, με κάποιους να αντιμετωπίζουν ήπια συμπτώματα και άλλους σοβαρά.
- Σε αυτή τη μελέτη από το NYU, οι αλγόριθμοι προέβλεπαν με ακρίβεια 70-80% τα άτομα που έγιναν νόσησαν σοβαρά.
Η COVID-19 δεν δημιουργεί μολύνσεις μίας κοπής. Μερικοί άνθρωποι έχουν εξαιρετικά ήπια συμπτώματα, ενώ άλλοι βρίσκονται να αγωνίζονται για τη ζωή τους.
Οι γιατροί εργάζονται με περιορισμένους πόρους ενάντια σε μια ασθένεια που είναι πολύ δύσκολο να προβλεφθεί. Η γνώση των ασθενών που είναι πιο πιθανό να εμφανίσουν σοβαρά συμπτώματα θα μπορούσε να βοηθήσει τους γιατρούς πρώτης γραμμής κατά τη διάρκεια αυτής της πανδημίας.
Είμαστε δύο ερευνητές στο Πανεπιστήμιο της Νέας Υόρκης που μελετούν προγνωστική ανάλυση και μολυσματικές ασθένειες. Στις αρχές Ιανουαρίου, συνειδητοποιήσαμε ότι ήταν πολύ πιθανό ο νέος κοροναϊός στην Κίνα να φτάσει στη Νέα Υόρκη και θελήσαμε να αναπτύξουμε ένα εργαλείο για να βοηθήσουμε τους κλινικούς γιατρούς να αντιμετωπίσουν την εισερχόμενη αύξηση των κρουσμάτων. Πιστεύαμε ότι τα προγνωστικά αναλυτικά στοιχεία -μια μορφή τεχνητής νοημοσύνης (AI)- θα ήταν μια καλή τεχνολογία για αυτήν τη δουλειά.
Σε γενικές γραμμές, αυτός ο τύπος AI εξετάζει τα υπάρχοντα δεδομένα για να βρει μοτίβα και, στη συνέχεια χρησιμοποιεί αυτά τα μοτίβα για να κάνει προβλέψεις για το μέλλον. Χρησιμοποιώντας δεδομένα από 53 περιπτώσεις COVID-19 τον Ιανουάριο και το Φεβρουάριο, αναπτύξαμε μια ομάδα αλγορίθμων για να προσδιορίσουμε ποιοι ασθενείς με ήπια ασθένεια πιθανότατα θα νοσήσουν σοβαρά.
Το πειραματικό μας εργαλείο βοήθησε να προβλέψουμε ποιοι άνθρωποι επρόκειτο να νοσήσουν σοβαρότερα. Με αυτόν τον τρόπο, βρήκε επίσης κάποια απροσδόκητα πρώιμα κλινικά συμπτώματα που προδιαγράφουν σοβαρά κρούσματα COVID-19.
Οι αλγόριθμοι που σχεδιάσαμε καταρτίστηκαν σε ένα μικρό σύνολο δεδομένων και προς το παρόν είναι μόνο ένα εργαλείο απόδειξης της δυνατότητας, αλλά με περισσότερα δεδομένα πιστεύουμε ότι οι μεταγενέστερες εκδόσεις θα μπορούσαν να είναι εξαιρετικά χρήσιμες για τους επαγγελματίες του ιατρικού τομέα.
Πώς υλοποιήσαμε το project
Για να δημιουργήσουμε αυτό το εργαλείο, χρειαζόμασταν πρώτα δεδομένα. Συνεργαστήκαμε με έναν ειδικό για τις μολυσματικές ασθένειες, τον Xiangao Jiang, στο Wenzhou, Zhejiang, στην Κίνα. Όταν ξεκινήσαμε να δουλεύουμε στις αρχές Ιανουαρίου, το Wenzhou είχε τη μεγαλύτερη κρίση μετά από το Hubei, των οποίων το Wuhan είναι η πρωτεύουσα. Μεταξύ Ιανουαρίου και Φεβρουαρίου, η ομάδα του Δρ Jiang συνέλεξε και μοιράστηκε μαζί μας δεδομένα από 53 ασθενείς με COVID-19 σε δύο νοσοκομεία. Λάβαμε δεδομένα για συμπτώματα όπως πυρετό, βήχα και διάρροια, εργαστηριακές τιμές, όπως μετρήσεις κυττάρων αίματος, νεφρική λειτουργία, φλεγμονώδεις δείκτες και ζωτικά σημεία και ακτινογραφίες.
Πριν μπορέσουμε να αρχίσουμε να αναπτύσσουμε τους αλγόριθμους, έπρεπε να περιμένουμε μέχρι να αναρρώσουν ή να καταλήξουν όλοι οι ασθενείς, ώστε να γνωρίζουμε το τελικό αποτέλεσμα των περιπτώσεών τους. Ευτυχώς, το ξέσπασμα στο Wenzhou δεν ήταν κακό και μέχρι τα μέσα Φεβρουαρίου όλοι οι ασθενείς, ακόμη και εκείνοι με σοβαρά συμπτώματα, είχαν αναρρώσει.
Από αυτά τα δεδομένα, αναπτύξαμε ένα σύνολο αλγορίθμων, που χρησιμοποιούν προγνωστικά αναλυτικά στοιχεία για τον εντοπισμό πρώιμων συμπτωμάτων στο σώμα ενός ατόμου με COVID-19. Στη συνέχεια, οι αλγόριθμοι αναζητούν μοτίβα και καταλαβαίνουν ποια από αυτά τα συμπτώματα συσχετίζονται με σοβαρά κρούσματα COVID-19.
Τι βρήκαμε
Για τα 53 άτομα στη μελέτη μας, οι αλγόριθμοι προέβλεπαν με ακρίβεια 70-80% τα άτομα που νόσησαν εξαιρετικά σοβαρά, ποσοστό πολύ κοντινό σε άλλες χρήσεις της AI στην ιατρική. Τώρα διεξάγουμε περαιτέρω επικυρώσεις με μεγάλα σύνολα δεδομένων.
Αυτή η ικανότητα πρόβλεψης της εξέλιξης των ασθενών θα μπορούσε να είναι πολύ χρήσιμη για τους κλινικούς ιατρούς, αλλά τα συμπτώματα που προσδιρίστηκαν από την ίδια την ΑI για να κάνει αυτές τις προβλέψεις, θα μπορούσαν επίσης να παρέχουν πολύτιμες πληροφορίες στους ερευνητές.
Τα προγνωστικά μας μοντέλα διαπίστωσαν ότι ελαφρώς υψηλά επίπεδα ηπατικών ενζύμων που ονομάζονται ALT, αυξημένα επίπεδα αιμοσφαιρίνης -δηλαδή ερυθρά αιμοσφαίρια- και πόνοι στο σώμα ήταν οι ισχυρότεροι προγνωστικοί παράγοντες για την εξέλιξη σοβαρού COVID-19. Σε φυσιολογικό περιβάλλον, οι γιατροί δεν θα ανησυχούσαν για ελαφρά αύξηση των ALT και της αιμοσφαιρίνης, αλλά φαίνεται ότι αυτά είναι σημαντικά σημάδια κατά τη διάρκεια μιας λοίμωξης από κοροναϊό.
Από τη στιγμή που κυκλοφόρησε η μελέτη μας, άλλοι ιατρικοί ερευνητές επιβεβαίωσαν αυτό που συμπέραναν οι αλγόριθμοί μας. Σε μία μελέτη, οι ερευνητές διαπίστωσαν ότι τα ελαφρώς υψηλά επίπεδα ηπατικών ενζύμων μπορεί να συσχετίζονται με τα επιδεινούμενα αποτελέσματα της COVID-19.
Επιπλέον, τα υψηλότερα επίπεδα αιμοσφαιρίνης είναι γνωστό ότι αυξάνουν τον κίνδυνο θρόμβων αίματος και οι θρόμβοι αίματος αποδεικνύονται ότι αποτελούν σημαντική και μυστηριώδη αιτία θανάτου για ασθενείς με κοροναϊό.
Η AI δεν πρόκειται να αντικαταστήσει τους γιατρούς, αλλά είναι ένα ακόμα εργαλείο που μπορούν να χρησιμοποιήσουν για την παροχή καλύτερης υγειονομικής περίθαλψης.
Γιατί έχει σημασία
Το COVID-19 είναι μια νέα ασθένεια, την οποία δεν έχει ξαναδεί η ιατρική κοινότητα και είναι δύσκολο να εντοπιστούν σημάδια επικείμενου σοβαρού κρούσματος. Η AI, η οποία μπορεί να αναγνωρίσει ταυτόχρονα πολλά αόριστα μοτίβα, είναι το τέλειο εργαλείο για να βοηθήσει τους γιατρούς να εντοπίσουν νωρίς τους ασθενείς υψηλού κινδύνου. Αυτό τους δίνει χρόνο να προετοιμαστούν καλύτερα για αυτά τα κρούσματα και θα μπορούσαν να σώσουν ζωές.
Επιπλέον, τα συμπτώματα που οι αλγόριθμοι AI έδειξαν ότι είναι σημαντικά υποδηλώνουν ότι το SARS-CoV-2 επηρέαζε πολλά περισσότερα μέρη του σώματος και όχι μόνο τους πνεύμονες. Αυτή η ικανότητα εντοπισμού των συμπτωμάτων που είναι σημαντικά θα μπορούσε να βοηθήσει τους γιατρούς στην έρευνά τους για τους πολλούς τρόπους, με τους οποίους ο ιός επιτίθεται στο σώμα.
Τι έπεται
Είναι σημαντικό να αναγνωρίζει κανείς τους περιορισμούς της AI. Προτού τεθεί σε εφαρμογή ένα τέτοιο εργαλείο, πρέπει να δώσουμε στο σύστημά μας πολύ περισσότερα δεδομένα για να μάθουμε. Δεδομένου ότι η τεχνητή νοημοσύνη εκπαιδεύτηκε μόνο σε μικρό αριθμό ασθενών σε ένα μεμονωμένο περιβάλλον, η ακρίβειά του περιορίζεται. Βρισκόμαστε στη διαδικασία λήψης περισσότερων δεδομένων από άλλες πηγές και θα χρησιμοποιήσουμε αυτά τα δεδομένα για να κάνουμε τους αλγόριθμους πιο ακριβείς και ευρέως εφαρμόσιμους.
Ενώ η τεχνητή νοημοσύνη που σχεδιάσαμε είναι μόνο μια πρώτη δοκιμή, τα αποτελέσματα είναι εξαιρετικά ενθαρρυντικά. Πιστεύουμε ότι η τεχνητή νοημοσύνη μπορεί να διαδραματίσει ρόλο στην καταπολέμηση αυτής της πανδημίας και ελπίζουμε ότι σύντομα θα τεθεί το σύστημά μας σε λειτουργία βοηθώντας τους γιατρούς που βρίσκονται στην πρώτη γραμμή.
Πηγή: World Economic Forum
