Zespół Gunnara Raetscha z Memorial Sloan Kettering Cancer Center w Nowym Jorku szkoli opracowany przez siebie algorytm sztucznej inteligencji, aby znaleźć podobieństwa między przypadkami, których lekarze mogą nie dostrzec. Oprogramowanie przeanalizowało 100 milionów zdań zaczerpniętych z notatek klinicznych dotyczących 200 000 chorych na raka (z danych usunięto treści wskazujące na tożsamość pacjentów).
Program posortował miliony zdań dotyczących objawów, historii choroby i obserwacji dokonanych przez lekarzy do 10 000 powiązanych ze sobą klastrów.
Każdy klaster reprezentował obserwacje znalezione w kilku rejestrach medycznych. Na przykład lekarskie notatki polecające konkretny przebieg leczenia lub wskazujące na godny uwagi objaw. Następnie mapowano połączenia między klastrami, pokazując relacje między różnymi obserwacjami lub kuracjami.
Druga praca, oparta na badaniach Raetscha porównuje klastry z rejestrami 2000 osób z różnymi rodzajami nowotworów. Na przykład w aktach pacjentów z podobnymi wynikami badań genetycznych mogą występować tego samego rodzaju notatki.
Autorzy mają nadzieję, że znalezione zależności zainspirują naukowców do podjęcia badań. Na przykład na podstawie informacji genetycznej można wysunąć nowe hipotezy i przetestować je.
Sztuczna inteligencja okazuje się przydatna w wielu zastosowaniach medycznych. Komputery są np. szkolone w diagnozowaniu na podstawie zdjęć rentgenowskich i wyników badania MRI, a system wprowadzony w szpitalach Chicago nauczył się przewidywać u pacjentów mający wkrótce nastąpić zawał serca.
„Umysł ludzki jest ograniczony, dlatego trzeba użyć statystyki i informatyki" - powiedział Raetsch.
Źródło: PAP
