Γιατροί και μηχανικοί του Πανεπιστημίου της Καλιφόρνιας ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης το οποίο μπορεί να προβλέψει με μεγάλη ακρίβεια μέσω της ανάλυσης απεικονιστικών εξετάσεων του εγκεφάλου ποια άτομα θα εμφανίσουν νόσο Αλτσχάιμερ, τουλάχιστον έξι χρόνια προτού γίνει η διάγνωση από τους γιατρούς. Οπως ανέφεραν οι ερευνητές στην επιθεώρηση «Radiology», εκπαίδευσαν έναν αλγόριθμο βαθιάς μάθησης ώστε να ανιχνεύει τις αλλαγές που προκαλούνται στον μεταβολισμό του εγκεφάλου – αδιόρατες μεταβολές των επιπέδων της γλυκόζης – σε άτομα που βρίσκονται σε αρχικό στάδιο Αλτσχάιμερ. Συγκεκριμένα, το σύστημα εκπαιδεύθηκε στην ανάλυση τομογραφιών εκπομπής ποζιτρονίων (PΕΤ scan) και στη συνέχεια δοκιμάστηκε σε 40 ασθενείς. Σύμφωνα με τα αποτελέσματα, είχε 100% επιτυχία στην ανίχνευση της νόσου Αλτσχάιμερ, κατά μέσο όρο έξι χρόνια πριν από την τελική διάγνωση.

Η πιο επικίνδυνη και επιθετική μορφή καρκίνου του δέρματος, το μελάνωμα, φαίνεται να βρίσκει τον… δάσκαλό του στην τεχνητή νοημοσύνη. Αυτό προκύπτει από μελέτη επιστημόνων από τη Γερμανία, τη Γαλλία και τις ΗΠΑ με επικεφαλής ειδικούς του Πανεπιστημίου της Χαϊδελβέργης οι οποίοι ανέπτυξαν ένα συνελικτικό νευρωνικό δίκτυο βαθιάς μάθησης (deep learning convolutional neural network) που εκπαιδεύθηκε να εντοπίζει το μελάνωμα έχοντας προηγουμένως τροφοδοτηθεί με περισσότερες από 100.000 εικόνες μελανωμάτων, καθώς επίσης και με εικόνες αβλαβών σπίλων προκειμένου να μάθει να κάνει τη σύγκριση. Οι ερευνητές ανέφεραν στην επιθεώρηση «Annals of Oncology» ότι η διαγνωστική αξιοπιστία του συστήματος ΑΙ συγκρίθηκε με εκείνη 58 δερματολόγων από 17 χώρες, μεταξύ των οποίων και από την Ελλάδα. Το σύστημα διέγνωσε περισσότερα μελανώματα (95%) σε σχέση με τους γιατρούς (89%), ενώ είχε και λιγότερες ψευδώς θετικές διαγνώσεις (δηλαδή εσφαλμένη διάγνωση αβλαβών σπίλων ως καρκίνους).

Το πρώτο σύστημα ΑΙ το οποίο μπορεί να κάνει διάγνωση σχετικά με κοινές παιδικές ασθένειες εξίσου καλά ή και ακόμη καλύτερα από τους παιδιάτρους αναπτύχθηκε προσφάτως από επιστήμονες στην Κίνα και στις ΗΠΑ. Οι ερευνητές, με επικεφαλής ειδικούς του Πανεπιστημίου της Νότιας Καλιφόρνιας στο Σαν Ντιέγκο, εξήγησαν σε δημοσίευσή τους στην επιθεώρηση «Νature Medicine» ότι χρησιμοποίησαν στοιχεία (ηλεκτρονικοί ιατρικοί φάκελοι, απεικονιστικές εξετάσεις, εξετάσεις αίματος κ.ά.) από περίπου 1,36 εκατομμύρια επισκέψεις μικρών ασθενών σε παιδιάτρους στην Κίνα προκειμένου να εκπαιδεύσουν τον αλγόριθμο του συστήματός τους. Τα αποτελέσματα ήταν εντυπωσιακά: ο αλγόριθμος ήταν σε θέση να διαγνώσει με ακρίβεια της τάξεως του 90%-97% παθήσεις όπως το κοινό κρυολόγημα, η γρίπη, οι οξείες κρίσεις άσθματος, η λοιμώδης μονοπυρήνωση, η ανεμευλογιά, η ιγμορίτιδα, η μηνιγγίτιδα. Μάλιστα οι επιδόσεις του συγκρίθηκαν με εκείνες 20 παιδιάτρων και όπως φάνηκε το AI σύστημα τα κατάφερε σε γενικές γραμμές καλύτερα από τους γιατρούς που είχαν μέση ή σχετικώς λίγη εμπειρία, αλλά χειρότερα συγκριτικά με τους πολύ έμπειρους παιδιάτρους.

Διαφορετικές ομάδες παλεύουν με σύμμαχό τους την τεχνητή νοημοσύνη για την καλύτερη διάγνωση του καρκίνου του πνεύμονα. Ερευνητές του Πανεπιστημίου της Νέας Υόρκης με επικεφαλής τον αναπληρωτή καθηγητή του Τμήματος Παθολογίας κ. Αριστοτέλη Τσιρίγο κατάφεραν, όπως δημοσίευσαν πέρυσι στην επιθεώρηση «Nature Medicine» (σχετικό άρθρο δημοσίευσε το ΒΗΜΑ-Science στις 23.9.2018 με τίτλο «Tεχνητή νοημοσύνη, ο καλύτερος γιατρός»), να αναπτύξουν ένα σύστημα AI το οποίο μπορεί να διαχωρίζει δύο συχνά εμφανιζόμενες μορφές μη μικροκυτταρικού καρκίνου του πνεύμονα, συγκεκριμένα του αδενοκαρκινώματος και του πλακώδους καρκινώματος, με ακρίβεια της τάξεως του 97% – μεγαλύτερη δηλαδή από αυτή που επιτυγχάνουν έμπειροι παθολογοανατόμοι. Και όχι μόνο αυτό: το σύστημα που βασίζεται στα συνελικτικά νευρωνικά δίκτυα μπόρεσε επίσης να εντοπίσει εν ριπή οφθαλμού μεταλλάξεις γονιδίων-κλειδιών σχετικά με την εξέλιξη της νόσου αλλά και την ανταπόκριση των ασθενών σε διαφορετικές θεραπείες.

Η ΑΙ κατάφερε επίσης να εντοπίσει μικρούς όγκους στους πνεύμονες σε πολύ πιο αρχικό στάδιο σε σύγκριση με τους ακτινολόγους, σύμφωνα με άλλη μελέτη επιστημόνων της Google και του ιατρικού κέντρου Northwestern Medicine. Συγχρόνως το σύστημα βαθιάς μάθησης έδωσε λιγότερα ψευδώς θετικά και λιγότερα ψευδώς αρνητικά αποτελέσματα, γεγονός που μεταφράζεται σε λιγότερες άχρηστες εξετάσεις αλλά και σε λιγότερους αδιάγνωστους όγκους.