Τεχνολογικός γίγαντας Το Google (GOOGL) της Alphabet Inc. προσπαθεί να κάνει μια είσοδο στον χώρο της υγειονομικής περίθαλψης για λίγο καιρό και οι προσπάθειες φαίνεται να αποδίδουν. Η Google ισχυρίζεται ότι έχει δημιουργήσει ένα σύστημα που είναι σε θέση να προβλέψει μια ποικιλία αποτελεσμάτων για τους ασθενείς, συμπεριλαμβανομένης της διάρκειας για την οποία οι ασθενείς μπορεί να χρειαστεί να νοσηλευτούν, τις πιθανότητες επανεισδοχής τους και τις πιθανότητες θανάτου τους. Ονομάζοντας τον Ιατρικό Εγκέφαλο, αυτό το επίτευγμα θα μπορούσε να δώσει στην Google μια εντελώς νέα αγορά για να εξερευνήσετε.
Το Bloomberg αναφέρει μια μελέτη περίπτωσης μιας γυναίκας με καρκίνο του μαστού σε μεταγενέστερο στάδιο, στον οποίο δόθηκε πιθανότητα επιβίωσης 9, 3% από τις συνήθεις μεθόδους υπολογισμού του νοσοκομείου, ενώ η προγνωστική ανάλυση της Google της έδωσε μια πιθανότητα 19, 9% να πεθάνει κατά τη διάρκεια της διαμονής στο νοσοκομείο. Ο ασθενής πέθανε μέσα σε λίγες μέρες, ενισχύοντας τις απαιτήσεις της Google για την παροχή ενός καλύτερου μηχανισμού πρόβλεψης από το σύστημά της.
Στην έκδοση του Μαΐου του επιστημονικού περιοδικού Nature, η ομάδα της Google περιγράφει τη μεθοδολογία πρόβλεψης: "Τα μοντέλα αυτά υπερέβησαν τα παραδοσιακά, κλινικά χρησιμοποιούμενα προγνωστικά μοντέλα σε όλες τις περιπτώσεις. Πιστεύουμε ότι αυτή η προσέγγιση μπορεί να χρησιμοποιηθεί για τη δημιουργία ακριβών και επεκτάσιμων προβλέψεων για μια ποικιλία κλινικών σεναρίων. "Η έρευνα υπογραμμίζει τη χρήση νευρωνικών δικτύων στον τομέα της υγειονομικής περίθαλψης. Ένα νευρωνικό δίκτυο είναι μια μορφή λογισμικού τεχνητής νοημοσύνης (AI) που σχεδιάστηκε με βάση τον ανθρώπινο εγκέφαλο και το νευρικό σύστημα που βασίζεται στη χρήση δεδομένων για αυτόματη εκμάθηση και βελτίωση στην αναγνώριση των υποκείμενων σχέσεων.
Πώς λειτουργεί το εργαλείο Google
Οι ιατροί, τα νοσοκομεία και άλλοι πάροχοι υγειονομικής περίθαλψης αγωνίζονται εδώ και χρόνια για να διατηρούν καλύτερα και να συνοψίζουν τα ιατρικά δεδομένα για έναν ασθενή. Ωστόσο, παρά τη χρήση προηγμένων συστημάτων αποθήκευσης δεδομένων που προορίζονται για νοσοκομειακή χρήση, η επιτυχία ποικίλλει.
Οι διαθέσιμες αναφορές υποδεικνύουν ότι το σύστημα Google για μια τέτοια ανάλυση προγνωστικών λειτουργεί για την κοπή μέσω τόνων σημείων δεδομένων για να φτάσει στο συμπέρασμα. Στην παραπάνω περίπτωση, ο αλγόριθμος της Google ανέλυσε 175.639 σημεία δεδομένων για να καταλήξει στο συμπέρασμα. Η ικανότητα της Google να διαβάζει δεδομένα σε ποικίλες μορφές - συμπεριλαμβανομένων των χειρόγραφων σημειώσεων που αποθηκεύονται ως PDF, παλιούς χάρτες και ιατρικές εκθέσεις - σε συνδυασμό με την ταχύτητα επεξεργασίας τους είναι ο πραγματικός παίκτης αλλαγής παιχνιδιών. Ο αλγόριθμος δείχνει επίσης ποια σημεία δεδομένων ήταν πιο χρήσιμα για την επίτευξη του συμπεράσματος.
Ενώ τα σύγχρονα πρόγνωστα μοντέλα δαπανούν περίπου το 80% της εποχής τους για την αναζήτηση και την παρουσίαση δεδομένων, η προσέγγιση της Google αποφεύγει αυτή τη συμφόρηση.
