Kunstmatige intelligentie zal nooit een arts vervangen. Echter, Onderzoekers van het Pacific Northwest National Laboratory van het Department of Energy hebben een grote stap gezet in de richting van de dag waarop AI artsen kan helpen medische gebeurtenissen te voorspellen. Een nieuwe aanpak ontwikkeld door PNNL-wetenschappers verbetert de nauwkeurigheid van de diagnose van patiënten tot 20 procent in vergelijking met andere inbeddingsbenaderingen.

De PNNL-benadering probeert de soorten verbindingen die artsen van nature hebben vast te leggen en opnieuw te creëren wanneer ze een leven lang leren en kennis toepassen op de patiënt die voor hen staat in de onderzoekskamer. Het doel:gebruik de robuuste AI-mogelijkheden van het laboratorium op het gebied van machine learning en deep learning om de patiëntenzorg te verbeteren en levens te redden.

Wetenschappers van PNNL bespraken onlangs hun nieuwe aanpak in een paper gepresenteerd tijdens de Data Science for Healthcare-workshop op de SIGKDD Conference on Knowledge Discovery and Data Mining.

De kern van de ontwikkeling is een dataset PNNL gemaakt in samenwerking met Stanford University van meer dan 300, 000 medische concepten gedefinieerd door SNOMED Clinical Terms, een verzameling standaard medische termen, codes, synoniemen en definities die worden gebruikt door medische onderzoekers en beoefenaars. PNNL ontwikkelde een op grafieken gebaseerde leermethode op basis van deze termen die beter presteerde dan de huidige modellen. De code is beschikbaar als open source download.

"Als je denkt dat het moeilijk is om het handschrift van dokters te vertalen, probeer hun medische kennis te vertalen in computertaal, " merkt Robert Rallo op, een computerwetenschapper bij PNNL die leiding geeft aan het PNNL-team dat kunstmatige intelligentie toepast in de gezondheidszorg. "Het lastige is het combineren van meerdere soorten gegevens. Computervriendelijke gegevens zoals bloedonderzoeknummers of diagnosecodes zijn gemakkelijker dan ongestructureerde gegevens zoals kaartnotities of afbeeldingen van röntgenfoto's of MRI's."

Rallo en de rest van het PNNL-team creëren manieren om de vele verschillende soorten gezondheidsgegevens te combineren met een AI-tool die bekend staat als een kennisgrafiek als onderdeel van het door PNNL gefinancierde project Deep Care.

"Een kennisgrafiek is wat artsen in hun hoofd hebben als ze een diagnose stellen, " zei Rallo. "Artsen zien relaties op basis van jarenlange training en ervaring. Dit is hun mentale model dat verbanden legt tussen symptomen en ziekten. We vertalen zo'n symbolische representatie van medische kennis naar iets dat we samen met patiëntgegevens kunnen voeden aan machine learning-algoritmen."

Computerwetenschapper Khushbu Agarwal van PNNL benadrukt dat AI artsen niet zal vervangen. In plaats daarvan, AI zal een beslissingsondersteunend hulpmiddel zijn. De modellen zullen toegang hebben tot meer gegevens en meer verbindingen dan in welk menselijk brein dan ook kan worden opgeslagen. Veel meer dan een database, de modellen kunnen zelfs verbanden detecteren die een arts die een reeks willekeurige symptomen observeert in eerste instantie niet zou overwegen. Maar van artsen mag niet worden verwacht dat ze de output van een model zomaar aannemen. Sutanay Choudhury, een computerwetenschapper bij PNNL, is gericht op de interpreteerbaarheid van deze modellen. Hij werkt aan het bouwen van een tool die zijn redenering kan verklaren, voorspellingen en aanbevelingen aan de hand van begrijpelijke voorbeelden die artsen zullen interpreteren. Dergelijke verklaringen vergroten het vertrouwen in het model, die het PNNL-team voor ogen heeft, zal ooit in medische klinieken worden ingezet.

Als onderdeel van de volgende fase van zijn onderzoek, het PNNL-team werkt met een nieuwe dataset als onderdeel van een samenwerking tussen de Veterans Administration en het Department of Energy. Het VA-DOE Big Data Science Initiative creëerde een veilige computeromgeving voor analyses van medische gegevens en omvat nieuwe benaderingen om zelfmoord, hart- en vaatziekten en prostaatkanker.