iStock
ΕΠΙΣΤΗΜΗ

Μοντέλο ΑΙ προβλέπει ασθένειες που θα ζήσουμε σε μία 20ετία

Είτε ζεις το τώρα, είτε είσαι κολλημένος στο πριν ή το μετά, θέλεις να ξέρεις αν είσαι -και αν θα είσαι για χρόνια- καλά στην υγεία σου. Με τη βοήθεια της τεχνητής νοημοσύνης, τώρα, θα μπορείς να το μάθεις.

Δεν ξέρω ποια είναι η σχέση σου με τους γιατρούς. Υποθέτω ωστόσο, πως αν δεν απολαμβάνεις ιδιαίτερα να βασανίζεσαι αδίκως -έχεις φτάσει στο σημείο να εκτιμάς και να φροντίζεις τον εαυτό σου-, όταν έχεις πόνο ή ενόχληση που σου διαλύει την ημέρα, πας σε έναν επαγγελματία υγείας. Και φυσικά, κάνεις ένα τσεκ απ, κάθε χρόνο.

Από εκεί και πέρα, ο καθένας κινείται όπως θέλει και μπορεί.

Το βέβαιο είναι πως η ιατρική κάνει άλματα τα τελευταία χρόνια, με τη βοήθεια της τεχνητής νοημοσύνης. Μεταξύ άλλων, η ΑΙ έχει εξελίξει ραγδαία την προληπτική και την εξατομικευμένη ιατρική, με τους ερευνητές να δίνουν πολύ μεγάλη προσοχή στο θέμα της έγκαιρης πρόβλεψης.

Αυτό που δημιούργησαν ερευνητές του Ευρωπαϊκού Εργαστηρίου Μοριακής Βιολογίας (EMBL), του Γερμανικού Κέντρου Έρευνας για τον Καρκίνο και του Πανεπιστημίου της Κοπεγχάγης, μπορεί να προβλέψει τον κίνδυνο να εμφανίσουμε κάποια ή κάποιες από περισσότερες από 1.000 ασθένειες για έως και 20 χρόνια.

Προφανώς και στη λίστα είναι οι καρκίνοι, ο διαβήτης, οι καρδιακές και οι αναπνευστικές παθήσεις, μεταξύ πολλών άλλων.

Η πρόβλεψη επιτρέπει στους γιατρούς να παρέμβουν, προκειμένου να σταματήσουν το αντάμωμά μας με τις ασθένειες που προβλέπονται στο μέλλον μας, πριν καν προκληθεί η όποια βλάβη.

Οι ιατρικές εξελίξεις «πάτησαν» στο ChatGPT και τους φίλους του

Το μοντέλο που δημιούργησαν χρησιμοποιεί αλγοριθμικές έννοιες, παρόμοιες με αυτές που χρησιμοποιούνται σε μεγάλα γλωσσικά μοντέλα (LLM), τα οποία ξέρεις με το όνομα τους (ChatGPT, Gemini, Copilot, Claude, Perplexity κλπ).

Τα LLM μαθαίνουν τη γλώσσα ως μια ακολουθία λέξεων, προβλέποντας την επόμενη λέξη με βάση τα συμφραζόμενα. Οι ερευνητές είδαν μια αναλογία στην υγεία: το ιατρικό ιστορικό ενός ατόμου θα μπορούσε να θεωρηθεί ως μια ακολουθία γεγονότων (διαγνώσεις, παράγοντες κινδύνου, συνήθειες τρόπου ζωής) που διαδέχονται μια χρονική σειρά, για να επιτρέψουν τις προβλέψεις.

Στη μελέτη που δημοσιεύτηκε στο Nature αναφέρεται ότι το Delphi-2M (έτσι βαπτίστηκε το μοντέλο) χρησιμοποιεί ιατρικά ιστορικά, πρότυπα ασθενειών (διαγνώσεις) και παράγοντες του τρόπου ζωής (κάπνισμα, αλκοόλ, παχυσαρκία, αλλά και ηλικία και φύλο), ώστε να δώσει την πρόβλεψη για μια δεκαετία.

Το εργαλείο μπορεί να εξετάσει και ανώνυμα δεδομένα αρχείων ασθενών, για να δει τι μπορεί να συμβεί την επόμενη δεκαετία. Για την ακρίβεια, σε αυτά δοκιμάστηκε, αφότου εκπαιδεύτηκε (machine learning λέγεται). Εξέτασε data από 400.000 άτομα της μελέτης UK Biobank και 1.9 εκατομμύρια ασθενών στο εθνικό μητρώο ασθενών της Δανίας.

Ο Moritz Gerstung, διευθυντής του Τμήματος Τεχνητής Νοημοσύνης στην Ογκολογία του DKFZ και συν-συγγραφέας της μελέτης, δήλωσε πως «το πιο απροσδόκητο εύρημα ήταν ότι το μοντέλο μπορεί να προβλέψει περισσότερες από 1.000 ασθένειες. Θα περιμέναμε να λειτουργήσει για ορισμένες, αλλά να αποτύχει για πολλές άλλες. Το αποτέλεσμα δείχνει πόσο αλληλένδετες είναι πολλές ασθένειες και υπογραμμίζει την ανάγκη να διερευνηθούν οι υποκείμενοι μηχανισμοί που τις συνδέουν».

Οι επιστήμονες διευκρίνισαν πως, όπως συμβαίνει και με τις μετεωρολογικές προβλέψεις, το Delphi-2M δεν παρέχει βεβαιότητες, μόνο πιθανότητες.

Δεν προβλέπει ακριβώς τι θα συμβεί, αλλά υπολογίζει τις πιθανότητες εμφάνισης ασθενειών, σε μια καθορισμένη περίοδο.

Στις δοκιμές φάνηκε πως στις βραχυπρόθεσμες προβλέψεις, όπως αν κάποιος μπορεί να υποστεί καρδιακή προσβολή τα επόμενα 10 χρόνια, λειτουργεί καλύτερα: το μοντέλο ήταν σωστό σε περίπου 7 από τις 10 περιπτώσεις. Στις δυο δεκαετίες, η ακρίβεια μειώθηκε στο 14%

Και πάλι είναι καλύτερο του 12%, που επιτυγχάνεται χρησιμοποιώντας, ως δεδομένα, μόνο την ηλικία και το φύλο.

Το Delphi-2M ήταν ιδιαίτερα αποτελεσματικό, σε παθήσεις όπως η άνοια και το έμφραγμα του μυοκαρδίου. Εντόπισε επίσης, ασθένειες που αυξάνουν τον κίνδυνο άλλων, όπως ψυχικές διαταραχές ή ορισμένους όγκους του γυναικείου αναπαραγωγικού συστήματος.

Όσον αφορά την ανησυχία ότι η γνώση για πιθανές ασθένειες δεκαετίες εκ των προτέρων θα μπορούσε να μετατρέψει τον καθένα σε προληπτικούς ασθενείς, οι συγγραφείς της δημοσίευσης τόνισαν την ανάγκη για περαιτέρω μελέτες, ώστε να προσδιοριστεί πώς μια τέτοια γνώση θα μπορούσε να ωφελήσει τους ασθενείς.

«Το πλεονέκτημα του νέου εργαλείου ΑΙ, σε σχέση με ό,τι υπάρχει τώρα για τον υπολογισμό του κινδύνου καρδιακής προσβολής ή εγκεφαλικού επεισοδίου την επόμενη δεκαετία, είναι ότι μπορούμε να αντιμετωπίσουμε όλες τις ασθένειες ταυτόχρονα και σε μεγάλο χρονικό διάστημα. Αυτό είναι που δεν μπορούν να κάνουν τα μοντέλα μεμονωμένων ασθενειών», πρόσθεσε ο Gerstung, καταλήγοντας στο ότι «αυτή είναι η αρχή ενός νέου τρόπου κατανόησης της ανθρώπινης υγείας και της εξέλιξης των ασθενειών.

Γενετικά μοντέλα, όπως το δικό μας, θα μπορούσαν μια μέρα να βοηθήσουν στην εξατομίκευση της φροντίδας και στην πρόβλεψη των αναγκών υγειονομικής περίθαλψης σε μεγάλη κλίμακα».

Πότε θα έχουμε στη διάθεση μας το Delphi-2M

Το επόμενο βήμα για το Delphi-2M είναι να βελτιωθεί περισσότερο, πριν διατεθεί για τη φροντίδα των ασθενών. «Ήδη όμως, αποτελεί ένα χρήσιμο εργαλείο για την καλύτερη κατανόηση του τρόπου με τον οποίο αναπτύσσονται και εξελίσσονται οι ασθένειες, καθώς και για την αξιολόγηση του τρόπου με τον οποίο ο τρόπος ζωής και οι προηγούμενες ασθένειες επηρεάζουν τον μελλοντικό κίνδυνο ασθένειας», ενημέρωσε η έρευνα.

Ακολουθήστε το OneMan στο Google News και μάθετε τις σημαντικότερες ειδήσεις.