Θα μπορούσε μια φωτογραφία που έχουμε ανεβάσει στο Instagram ή το Facebook να αποκαλύψει ότι πάσχουμε (χωρίς φυσικά να το γνωρίζουμε) από κάποια γενετική ασθένεια; Ίσως αυτό θα μπορούσε να συμβεί εάν τη φωτογραφία αυτή «σκανάρει» ένα app τεχνητής νοημοσύνης.
Όποιος δεν έχει ανεβάσει φωτογραφία του στα social να σηκώσει το χέρι! Ας το παραδεχτούμε, η μεγάλη πλειοψηφία όλων μας -και η πλειοψηφία γίνεται ακόμη μεγαλύτερη όσο μικραίνει η ηλικία- τηρεί λογαριασμό στα social media κι ανάμεσα σε άλλες αναρτήσεις «ανεβάζει» προσωπικές φωτογραφίες. Ποιος θα το έλεγε, όμως, ότι αυτή η αμφιλεγόμενη συνήθεια θα μπορούσε να μας αποκαλύψει σημαντικές πληροφορίες για την υγεία μας με τη συνδρομή της τεχνητής νοημοσύνης. Σε αυτό το πολύ ενδιαφέρον συμπέρασμα, κατέληξε έρευνα από την Ιατρική Σχολή του Yale.
Τεχνητή νοημοσύνη διαγιγνώσκει γενετικό σύνδρομο από μία φωτογραφία
Ομάδα επιστημόνων της Ιατρικής Σχολής του Πανεπιστημίου Yale της Βρετανίας αναφέρει σε νέα μελέτη ότι ένα μοντέλο τεχνητής νοημοσύνης (AI) μπόρεσε να διαγνώσει αξιόπιστα τα άτομα, που ζουν με το σύνδρομο Marfan από μια απλή φωτογραφία προσώπου.
Το σύνδρομο Marfan είναι μια γενετική διαταραχή, που αφορά σε περίπου 1 στους 3.000 ανθρώπους και που επηρεάζει τους συνδετικούς ιστούς του σώματος. «Οι ασθενείς που ζουν με το σύνδρομο Marfan είναι συνήθως πολύ ψηλοί και λεπτοί», εξηγεί ο John Elefteriades, MD, καθηγητής Χειρουργικής στην Ιατρική Σχολή του Yale και επικεφαλής συγγραφέας της μελέτης. «Οι άνθρωποι αυτοί έχουν μακριά πρόσωπα και είναι επιρρεπείς σε προβλήματα της σπονδυλικής στήλης και των αρθρώσεων. Ωστόσο, πολλοί από αυτούς δεν διαγιγνώσκονται έγκαιρα».
Πέρα από την εμφάνιση και τις πιθανότητες για μυοσκελετικά νοσήματα, η παρουσία του συνδρόμου Marfan αυξάνει τον κίνδυνο για διαχωρισμό της αορτής, μία κατάσταση όπου «σκίζεται» ο εσωτερικός χιτώνας του τοιχώματος της αορτής με τελικό αποτέλεσμα τη μειωμένη αιμάτωση της περιοχής του σώματος όπου βρίσκεται η συγκεκριμένη αορτή. Σύμφωνα με σχετικές μελέτες, ένα ποσοστό 5-10% περιπτώσεων αορτικού διαχωρισμού συνδέεται με το σύνδρομο Marfan. «Ο διαχωρισμός της αορτής συχνά είναι θανατηφόρος και όταν ο ασθενής επιβιώνει, χρειάζεται επείγουσα χειρουργική επέμβαση», σχολιάζει ο Dr. Elefteriades και συμπληρώνει ότι «η δυνατότητα αναγνώρισης ασθενών από μια φωτογραφία με ΑΙ θα βελτιώσει τη διάγνωση και θα επιτρέψει προστατευτικές θεραπευτικές παρεμβάσεις».
Ας επιστρέψουμε, όμως, στην αφορμή αυτού του άρθρου. Στην εν λόγω πιλοτική μελέτη που δημοσιεύτηκε στο επιστημονικό περιοδικό Heliyon, οι ερευνητές συγκέντρωσαν 672 φωτογραφίες προσώπου ατόμων με και χωρίς σύνδρομο Marfan. Ένα πρόγραμμα τεχνητής νοημοσύνης (Convolutional Neural Network) εκπαιδεύτηκε με πραγματικά δεδομένα από το 80% των φωτογραφιών και στη συνέχεια κλήθηκε να προσδιορίσει το υπόλοιπο 20%, εάν τα πρόσωπα των φωτογραφιών είναι ασθενείς με Marfan ή όχι. Η εφαρμογή διέκρινε με επιτυχία τα πρόσωπα Marfan και μη Marfan με ακρίβεια 98,5%.
Και μετά, τι;
Οι ερευνητές του Yale ισχυρίζονται ότι σχεδιάζουν να καταστήσουν το εργαλείο διαθέσιμο στο διαδίκτυο στο μέλλον. «Σχεδιάζουμε να επεκτείνουμε αυτή την εργασία πέρα από αυτό το αρχικό πιλοτικό πρόγραμμα», δήλωσε ο επικεφαλής ερευνητής. «Προβλέπουμε ότι πολλά άτομα μπορεί να αυτοεξεταστούν μόλις θέσουμε το τεστ στο διαδίκτυο».
Η μελέτη αυτή χαιρετήθηκε με ενθουσιασμό και από τους επικεφαλής του αναγνωρισμένου Πανεπιστημίου. «Οι καθηγητές και οι φοιτητές της Ιατρικής Σχολής του Yale πρωτοπορούν στην ανάπτυξη νέων εφαρμογών της τεχνητής νοημοσύνης για την έγκαιρη αναγνώριση και διάγνωση ασθενειών, συμπεριλαμβανομένων των σπάνιων ασθενειών, στη φάση όπου η παρέμβαση μπορεί αν έχει τον μεγαλύτερο αντίκτυπο», δήλωσε η NancyJ. Brown, MD, κοσμήτορας της Ιατρικής Σχολής του Yale.
Προφανώς, η έρευνα αυτή έχει θετικό πρόσημο, ειδικά όταν τη δούμε υπό το πρίσμα της έγκαιρης διάγνωσης μιας σπάνιας νόσου. Εάν βέβαια υποθέσουμε ότι παρόμοιες εφαρμογές τεχνητής νοημοσύνης θα μπορούσαν να χρησιμοποιηθούν «εναντίον» μας, για παράδειγμα από μία ασφαλιστική εταιρεία που θα αρνηθεί μας ασφαλίσει, τότε έχουμε να σκεφτούμε αρκετά πράγματα – με κυριότερο το πόσο «εκθέτουμε» προσωπικά μας δεδομένα μέσα από τις socialmedia συνήθειές μας.
