Τα τελευταία τρία χρόνια ομάδες ερευνητών στη Google χρησιμοποιούν τεχνητή νοημοσύνη για την επίλυση προβλημάτων στην υγεία- και σε αυτό το πλαίσιο η Google παρουσίασε νέα έρευνα σχετικά με το κατά πόσον η ΑΙ μπορεί να βοηθά στην πρόγνωση του καρκίνου του πνεύμονα με τρόπους που θα μπορούσαν να συμβάλουν στην αύξηση της πιθανότητας επιβίωσης.
Ο καρκίνος του πνεύμονα είναι η πιο θανατηφόρα μορφή καρκίνου ανά τον κόσμο και η έκτη πιο κοινή αιτία θανάτου παγκοσμίως, σύμφωνα με τον ΠΟΥ. Αν και έχει χαμηλά επίπεδα επιβίωσης, οι παρεμβάσεις εναντίον του είναι πολύ πιο επιτυχείς εάν γίνονται έγκαιρα, και για αυτό το λόγο γιατροί εδώ και 30 περίπου χρόνια αναζητούν τρόπους για εξέταση/ διάγνωση ατόμων που διατρέχουν αυξημένο κίνδυνο.
Στα τέλη του 2017 ερευνητές της Google άρχισαν να διερευνούν πώς θα μπορούσαν να αντιμετωπίσουν κάποιες από αυτές τις προκλήσεις μέσω ΑΙ. Αξιοποιώντας τις εξελίξεις που έχουν λάβει χώρα στο 3D volumetric modeling, μαζί με datasets από συνεργάτες (περιλαμβανομένου του Northwestern University) οι ερευνητές αναφέρουν ότι σημείωσαν πρόοδο στην πρόγνωση του καρκίνου του πνεύμονα, θέτοντας παράλληλα τις βάσεις για μελλοντικές κλινικές δοκιμές. Τα αποτελέσματα της έρευνας δημοσιεύτηκαν στο Nature Medicine.
Κατά κανόνα οι ακτινολόγοι κοιτούν εκατοντάδες δισδιάστατες εικόνες, και ως εκ τούτου ο εντοπισμός του καρκίνου μπορεί να είναι δύσκολος. Αυτό που έκαναν οι ερευνητές της Google ήταν να δημιουργήσουν ένα μοντέλο το οποίο έχει τη δυνατότητα να εντοπίζει μικρές, ανεπαίσθητες ουσίες κακοήθους ιστού στους πνεύμονες και να λαμβάνει υπόψιν τα δεδομένα από προηογύμενες εξετάσεις- κάτι ιδιαίτερα χρήσιμο επί της προκειμένης, επειδή ο ρυθμός αύξησης «υπόπτων» ιστών μπορεί να υποδεικνύει πως πρόκειται για κακοήθεις όγκους.
Όπως αναφέρουν οι ερευνητές, χρησιμοποιώντας μόνο μια αξονική τομογραφία για διάγνωση, το μοντέλο τους τα πήγε εξίσου καλά ή καλύτερα από έξι ακτινολόγους, εντοπίζοντας 5% περισσότερες περιπτώσεις καρκίνου, μειώνοντας παράλληλα τις λάθος διαγνώσεις κατά περισσότερο από 11%. Όπως τονίζουν, τα αποτελέσματα αυτά είναι σίγουρα ενθαρρυντικά, ωστόσο απαιτούνται επιπλέον μελέτες, και σε αυτό το πλαίσιο υπάρχει συνεργασία με το Google Clould Healthcare και την ομάδα επιστημών ζωής της εταιρείας για περαιτέρω εξέλιξη του μοντέλου.
