Znanstvenici su razvili model umjetne inteligencije koji može predvidjeti zdravstvene probleme ljudi i više od desetljeća unaprijed, funkcionirajući poput svojevrsne vremenske prognoze za ljudsko zdravlje.
Tehnologija je osmišljena tako da uči prepoznavati obrasce u medicinskim kartonima pacijenata kako bi izračunala rizik od razvoja više od 1000 različitih bolesti, piše BBC.
Poput vremenske prognoze za zdravlje
Vizija istraživača je koristiti ovaj AI model za identifikaciju visokorizičnih pacijenata, što bi omogućilo prevenciju bolesti i pomoglo bolnicama u planiranju budućih potreba za resursima. Model, nazvan Delphi-2M, koristi tehnologiju sličnu onoj koja pokreće poznate AI chatbotove poput ChatGPT-a.
Dok su chatbotovi trenirani na razumijevanju jezičnih obrazaca kako bi predvidjeli sljedeću riječ u rečenici, Delphi-2M je obučen da pronalazi uzorke u anonimnim medicinskim kartonima kako bi predvidio što slijedi u zdravstvenom smislu i kada.
Važno je napomenuti da model ne predviđa točne datume, poput srčanog udara 1. listopada, već procjenjuje vjerojatnost za 1231 bolest.
"Dakle, baš kao i vrijeme, gdje bismo mogli imati 70% šanse za kišu, to možemo učiniti i za zdravlje", izjavio je profesor Ewan Birney, privremeni izvršni direktor Europskog laboratorija za molekularnu biologiju. "I to možemo učiniti ne samo za jednu bolest, već za sve bolesti istovremeno - to nikada prije nismo mogli. Uzbuđen sam", dodao je.
Testiranje i preciznost
Model je inicijalno razvijen korištenjem anonimnih podataka iz Ujedinjenog Kraljevstva, prikupljenih od više od 400.000 ljudi u sklopu istraživačkog projekta UK Biobank. Podaci su uključivali bolničke prijeme, kartone liječnika opće prakse i informacije o životnim navikama poput pušenja.
Nakon razvoja, model je testiran na podacima drugih sudionika Biobanke, a zatim i na medicinskim kartonima 1,9 milijuna ljudi u Danskoj kako bi se provjerila točnost njegovih predviđanja.
"Dobro je, stvarno je dobro u Danskoj", kaže profesor Birney. "Ako naš model kaže da je rizik jedan naprema deset za sljedeću godinu, čini se da se to stvarno i ostvari kao jedan naprema deset."
Pokazalo se da je model najuspješniji u predviđanju bolesti s jasnim tijekom razvoja, poput dijabetesa tipa 2, srčanih udara i sepse, dok je manje precizan kod nasumičnih događaja kao što su infekcije.
Praktična primjena u budućnosti
Iako AI alat još nije spreman za kliničku upotrebu, plan je koristiti ga na sličan način kao što se danas koriste izračuni rizika za propisivanje statina za snižavanje kolesterola. Cilj je identificirati visokorizične pacijente u fazi kada još postoji prilika za ranu intervenciju i prevenciju bolesti.
To bi moglo uključivati lijekove ili specifične savjete o promjeni životnog stila. Primjerice, osobe s visokim rizikom od nekih poremećaja jetre imale bi znatno više koristi od smanjenja unosa alkohola nego opća populacija.
Osim toga, umjetna inteligencija mogla bi pomoći u informiranju programa probira bolesti i analizirati zdravstvene kartone na određenom području kako bi se predvidjela potražnja.
"Ovo je početak novog načina razumijevanja ljudskog zdravlja i progresije bolesti", rekao je profesor Moritz Gerstung, voditelj odjela za AI u onkologiji pri Njemačkom centru za istraživanje raka (DKFZ). "Generativni modeli poput našeg mogli bi jednog dana pomoći u personalizaciji skrbi i predviđanju zdravstvenih potreba u velikom opsegu", dodao je.
Ograničenja i budući koraci
Model, opisan u znanstvenom časopisu Nature, zahtijeva daljnje usavršavanje i testiranje prije kliničke primjene. Jedan od potencijalnih problema je pristranost, jer je izgrađen na podacima UK Biobanke koji su uglavnom prikupljeni od osoba u dobi od 40 do 70 godina. Trenutno se radi na nadogradnji modela kako bi uključio više medicinskih podataka poput snimki, genetike i analiza krvi.
"Samo da naglasim, ovo je istraživanje - sve treba testirati, dobro regulirati i promisliti prije nego što se koristi, ali tehnologija je tu da omogući ovakva predviđanja", ističe profesor Birney. On predviđa da će razvoj i primjena ove tehnologije slijediti sličan put kao i genomika u zdravstvu, gdje je trebalo desetljeće da se od znanstvenog pouzdanja dođe do rutinske kliničke upotrebe.
Studija je rezultat suradnje između Europskog laboratorija za molekularnu biologiju, Njemačkog centra za istraživanje raka (DKFZ) i Sveučilišta u Kopenhagenu. Profesor Gustavo Sudre s King's Collegea u Londonu komentirao je istraživanje: "Ovo istraživanje čini se značajnim korakom prema skalabilnom, interpretativnom i - što je najvažnije - etički odgovornom obliku prediktivnog modeliranja u medicini."
Tehnologija je osmišljena tako da uči prepoznavati obrasce u medicinskim kartonima pacijenata kako bi izračunala rizik od razvoja više od 1000 različitih bolesti, piše BBC.
Poput vremenske prognoze za zdravlje
Vizija istraživača je koristiti ovaj AI model za identifikaciju visokorizičnih pacijenata, što bi omogućilo prevenciju bolesti i pomoglo bolnicama u planiranju budućih potreba za resursima. Model, nazvan Delphi-2M, koristi tehnologiju sličnu onoj koja pokreće poznate AI chatbotove poput ChatGPT-a.
Dok su chatbotovi trenirani na razumijevanju jezičnih obrazaca kako bi predvidjeli sljedeću riječ u rečenici, Delphi-2M je obučen da pronalazi uzorke u anonimnim medicinskim kartonima kako bi predvidio što slijedi u zdravstvenom smislu i kada.
Važno je napomenuti da model ne predviđa točne datume, poput srčanog udara 1. listopada, već procjenjuje vjerojatnost za 1231 bolest.
"Dakle, baš kao i vrijeme, gdje bismo mogli imati 70% šanse za kišu, to možemo učiniti i za zdravlje", izjavio je profesor Ewan Birney, privremeni izvršni direktor Europskog laboratorija za molekularnu biologiju. "I to možemo učiniti ne samo za jednu bolest, već za sve bolesti istovremeno - to nikada prije nismo mogli. Uzbuđen sam", dodao je.
Testiranje i preciznost
Model je inicijalno razvijen korištenjem anonimnih podataka iz Ujedinjenog Kraljevstva, prikupljenih od više od 400.000 ljudi u sklopu istraživačkog projekta UK Biobank. Podaci su uključivali bolničke prijeme, kartone liječnika opće prakse i informacije o životnim navikama poput pušenja.
Nakon razvoja, model je testiran na podacima drugih sudionika Biobanke, a zatim i na medicinskim kartonima 1,9 milijuna ljudi u Danskoj kako bi se provjerila točnost njegovih predviđanja.
"Dobro je, stvarno je dobro u Danskoj", kaže profesor Birney. "Ako naš model kaže da je rizik jedan naprema deset za sljedeću godinu, čini se da se to stvarno i ostvari kao jedan naprema deset."
Pokazalo se da je model najuspješniji u predviđanju bolesti s jasnim tijekom razvoja, poput dijabetesa tipa 2, srčanih udara i sepse, dok je manje precizan kod nasumičnih događaja kao što su infekcije.
Praktična primjena u budućnosti
Iako AI alat još nije spreman za kliničku upotrebu, plan je koristiti ga na sličan način kao što se danas koriste izračuni rizika za propisivanje statina za snižavanje kolesterola. Cilj je identificirati visokorizične pacijente u fazi kada još postoji prilika za ranu intervenciju i prevenciju bolesti.
To bi moglo uključivati lijekove ili specifične savjete o promjeni životnog stila. Primjerice, osobe s visokim rizikom od nekih poremećaja jetre imale bi znatno više koristi od smanjenja unosa alkohola nego opća populacija.
Osim toga, umjetna inteligencija mogla bi pomoći u informiranju programa probira bolesti i analizirati zdravstvene kartone na određenom području kako bi se predvidjela potražnja.
"Ovo je početak novog načina razumijevanja ljudskog zdravlja i progresije bolesti", rekao je profesor Moritz Gerstung, voditelj odjela za AI u onkologiji pri Njemačkom centru za istraživanje raka (DKFZ). "Generativni modeli poput našeg mogli bi jednog dana pomoći u personalizaciji skrbi i predviđanju zdravstvenih potreba u velikom opsegu", dodao je.
Ograničenja i budući koraci
Model, opisan u znanstvenom časopisu Nature, zahtijeva daljnje usavršavanje i testiranje prije kliničke primjene. Jedan od potencijalnih problema je pristranost, jer je izgrađen na podacima UK Biobanke koji su uglavnom prikupljeni od osoba u dobi od 40 do 70 godina. Trenutno se radi na nadogradnji modela kako bi uključio više medicinskih podataka poput snimki, genetike i analiza krvi.
"Samo da naglasim, ovo je istraživanje - sve treba testirati, dobro regulirati i promisliti prije nego što se koristi, ali tehnologija je tu da omogući ovakva predviđanja", ističe profesor Birney. On predviđa da će razvoj i primjena ove tehnologije slijediti sličan put kao i genomika u zdravstvu, gdje je trebalo desetljeće da se od znanstvenog pouzdanja dođe do rutinske kliničke upotrebe.
Studija je rezultat suradnje između Europskog laboratorija za molekularnu biologiju, Njemačkog centra za istraživanje raka (DKFZ) i Sveučilišta u Kopenhagenu. Profesor Gustavo Sudre s King's Collegea u Londonu komentirao je istraživanje: "Ovo istraživanje čini se značajnim korakom prema skalabilnom, interpretativnom i - što je najvažnije - etički odgovornom obliku prediktivnog modeliranja u medicini."
