სამედიცინო მკვლევრები ამტკიცებენ, რომ შექმნეს ხელოვნურ ინტელექტის (AI) ალგორითმი, რომელსაც ენის ფოტოს მიხედვით თითქმის უშეცდომოდ შეუძლია გაიგოს, რა აწუხებს პაციენტს.
სამედიცინო მკვლევრები აცხადებენ, რომ მათ შექმნეს ხელოვნური ინტელექტის (AI) ალგორითმი, რომელიც თითქმის უშეცდომოდ ახერხებს პაციენტების ჯანმრთელობის პრობლემების დიაგნოზირებას ენის ფოტოს მიხედვით. ახალი სისტემა იყენებს მათემატიკურ ალგორითმებს და მანქანური დასწავლის მეთოდებს, რაც შესაძლებლობას იძლევა, რომ ენის ფერისა და ფორმის მიხედვით ადვილად დაიდგინოს დაავადებები, იქნება ეს COVID-19, მომნელებელი სისტემის პრობლემები თუ სხვა ჯანმრთელობის გართულებები.
როგორ მუშაობს AI ალგორითმი?
მკვლევარებმა ალგორითმი შექმნეს იმისთვის, თუ როგორ ახერხებს ენის ფერი და მისი სხვა მახასიათებლები ჯანმრთელობის პრობლემების განმარტებას. AI-ს სისტემას 98.71%-იანი სიზუსტით შეუძლია განსაზღვროს პაციენტის ჯანმრთელობის პრობლემა, მისი ენით ფოტოს მიხედვით. ამ პროცესში გამოიყენება 5,200 ფოტო, რომელშიც თითოეული ფოტო ასოცირებულია შესაბამის დიაგნოზთან.
მანქანური დასწავლის მეთოდები
სისტემის შექმნისთვის გამოყენებული იყო მანქანური დასწავლის 6 სხვადასხვა ალგორითმი. მათი დახმარებით, მკვლევრებმა შეძლეს სისტემის გაზრდილი სიზუსტე, რომლის მიხედვითაც ყველაზე არაზუსტმა მეთოდმაც კი (naïve Bayes) 91%-იანი სიზუსტით შეძლო დიაგნოზის სწორი დასმა. ყველაზე ზუსტი შედეგები კი XGBoost ალგორითმმა აჩვენა, რომლის სიზუსტეც 98.71%-ს შეადგენდა.
მკვლევრების თქმით, მათ გამოიყენეს 2000 წლის წინანდელი ჩინური სამედიცინო პრაქტიკა, რომელიც ენის ფერს იყენებდა ადამიანის ჯანმრთელობის მდგომარეობის გასაგებად. ალი ან-ნაჯიმ, ნაშრომის მთავარმა ავტორმა, განაცხადა, რომ ენის ფერი, ფორმა და სისქე ჯანმრთელობის მრავალ პრობლემას აჩვენებს, რაც თანამედროვე AI ტექნოლოგიამ კიდევ ერთხელ დაადასტურა.
დაადგინა, ჯანმრთელობის რა პრობლემა ჰქონდა პაციენტს, ეს კი მხოლოდ და მხოლოდ მათი ენის ფერის მიხედვით გააკეთა.
სისტემის შესაქმნელად მეცნიერებმა მანქანური დასწავლის 6 სხვადასხვა ალგორითმს მიაწოდეს ფოტოები და შესაბამისი დიაგნოზები, სულ 5 200 ფოტო. სურდათ გაეგოთ, რამდენად ზუსტად შეძლებდა ისინი “ენის ფერის პროგნოზირებას ნებისმიერი განათების პირობებში”. შეფასება ყველაზე არაზუსტმა სისტემამაც (naïve Bayes-ის მეთოდოლოგია) კი 91%-იანი სიზუსტით შეძლო, ხოლო ყველაზე ზუსტი XGBoost კარკასი აღმოჩნდა — მან შემთხვევათა 98.71%-ში შეძლო დიაგნოზის სწორად დასმა.
ალი ან-ნაჯიმ, ნაშრომის მთავარმა ავტორმა (პროფესორის თანაშემწე ბაღდადის საშუალო ტექნიკურ უნივერსიტეტსა და სამხრეთ ავსტრალიის უნივერსიტეტში), განაცხადა, რომ გუნდი ორიათასი წლის ჩინურმა სამედიცინო პრაქტიკამ შთააგონა, რომლის მეშვეობითაც დღესაც საკმაოდ ზუსტი დიაგნოზის დასმაა შესაძლებელი.
“ენის ფერმა, ფორმამ და სისქემ ჯანმრთელობის უამრავი პრობლემა შეიძლება გამოავლინოს”, — განაცხადა ალ-ნაჯიმ.
რადგან სიზუსტე უკვე მიღწეულია, მკვლევრები სამომავლოდ ამ AI-ს მქონე მობილური აპლიკაციის შექმნას გეგმავენ, რომლითაც პაციენტები საკუთარ ჯანმრთელობას სახლის პირობებში შეაფასებენ.
ჯავაან ჩალის, კვლევის თანაავტორის, თქმით, “ენის კომპიუტერიზებული ანალიზი” არამხოლოდ უსაფრთხო და ეფექტიანია, არამედ “თანამედროვე მეთოდებს საუკუნეების წინანდელი პრაქტიკით უმაგრებს ზურგს”.
სამომავლო გეგმები
როდესაც სიზუსტე უკვე დამტკიცებულია, მკვლევრები აპირებენ შექმნან მობილური აპლიკაცია, რომელიც მომხმარებლებს საშუალებას მისცემს, საკუთარ ენას ფოტოგრაფიული ანალიზის მეშვეობით, სახლში შეაფასონ. ჯავაან ჩალი, კვლევის თანაავტორი, აღნიშნავს, რომ ენის კომპიუტერიზებული ანალიზი არამხოლოდ უსაფრთხოა და ეფექტურია, არამედ ის უწყვეტ განვითარებასა და თანამედროვე ტექნოლოგიების ინტეგრაციას აერთიანებს, რაც საუკუნეების წინანდელი ჩინური პრაქტიკის მეშვეობით მიღწეულ წარმატებებს ერთდროულად ასაბუთებს.
ახალი ტექნოლოგიების მნიშვნელობა ჯანმრთელობისათვის
AI-ს ალგორითმების მეშვეობით, მომავალში შესაძლებელი გახდება ენით დიაგნოსტიკის სწრაფი და ზუსტი პროცესი, რაც მნიშვნელოვნად გააუმჯობესებს პაციენტთა პირველადი დახმარების პროცესს და დაეხმარება მათ სხვადასხვა დაავადებების ადრეულ სტადიაზე აღმოჩენაში. ჯანდაცვის სფეროში ხელოვნური ინტელექტის როლი თანდათან იზრდება და ამჟამად ამ ტექნოლოგიებს უკვე აქტიურად იყენებენ პაციენტთა მონიტორინგსა და დიაგნოზირებაში.
დასკვნა
ამ AI-ს სისტემის გამოყენება გახდება დიდი ნაბიჯი მობილური ჯანდაცვის სფეროში, რადგან მომხმარებლებს გააჩნიათ შესაძლებლობა, საკუთარი ჯანმრთელობა სრულყოფილად და ზუსტად შეაფასონ, მხოლოდ ენით ფოტოს საშუალებით. არაოფიციალური მონაცემებით, ეს ტექნოლოგია შეცვლის არა მხოლოდ დიაგნოსტიკის მეთოდებს, არამედ პაციენტთა თვითმმართველობას ჯანმრთელობის შენარჩუნებას.
ნაშრომი ჟურნალ Technologies-ში გამოქვეყნდა.
