ახალ ტექნოლოგიას პაციენტების სახის ფოტოზე დაკვირვებით იშვიათი გენეტიკური დაავადებების აღმოჩენა შეუძლია.

ახალ ხელოვნურ ინტელექტს DeepGestalt ეწოდება და მან გენეტიკური დაავადებების აღმოჩენა ექიმებზე უფრო ზუსტად და სწრაფად შეძლო, თანაც მხოლოდ პაციენტის სახის ფოტოთი.

კვლევა ორშაბათს ჟურნალ Nature Medicine-ში გამოქვეყნდა.

კვლევაში აღნიშნულია, რომ მსოფლიო მოსახლეობის რვა პროცენტს სხვადასხვა გენეტიკური დაავადებები აქვთ, რომლებიც სახის თავისებურებებით ხასიათდება. ტექნოლოგიას შეუძლია ამოიცნოს, მაგალითად, ანგელმანის სინდრომი, ეს დარღვევა ნერვული სისტემის ფუნქციონირებაზე ახდენს გავლენას და ის ფართო პირით, დაშორებული კბილებით, სიელმითა და სხვა სიმპტომებით ხასიათდება.

"ეს პროგრამა კარგი დემონსტრაციაა იმისა, თუ როგორ შეგვიძლია გამოვიყენოთ სხვადასხვა ალგორითმი ისეთ სფეროში, სადაც დიდი რაოდენობის ინფორმაცია არ არსებობს. მიღებული შედეგები გზას უხსნის მომავალ კვლევებსა და ექსპერიმენტებს, რათა მოხდეს ახალი გენეტიკური დარღვევებისა და სინდრომების აღმოჩენა", - აცხადებს ხელოვნური ინტელექტისა და ინდივიდუალური მედიცინის სფეროში მოღვაწე კომპანიის, FDNA-ს ტექნოლოგიური და სამეცნიერო საკითხების ხელმძღვანელი იარონ გუროვიჩი.

ავტორები აცხადებენ, რომ ადამიანთა ფოტოები, რომლებშიც მათ სახე უჩანთ, ადვილი ხელმისაწვდომია, რამაც შეიძლება პრობლემები გამოიწვიოს. მაგალითად, მსგავსი ტექნოლოგიის გამოყენებით შეიძლება კომპანიებში მოხდეს იმ ადამიანების დისკრიმინაცია, რომლებსაც გარკვეული გენეტიკური დარღვევები გააჩნიათ.

გუროვიჩმა და მისმა გუნდმა პროგრამა DeepGestalt პაციენტების 17 000 სურათით "გაწრთვნა", რომლებიც გენეტიკური დაავადებების მონაცემთა ბანკიდან იყო მოპოვებული.

გუნდმა აღმოაჩინა, რომ ხელოვნურმა ინტელექტმა ექიმებს ორ სხვადასხვა ტესტში აჯობა. პროგრამა თითოეული ფოტოს ნახვის შემდეგ შესაძლო სინდრომების სიას ადგენდა, სიის პირველ ათეულში კი სწორი პასუხი შემთხვევების 91 პროცენტში იყო.

ერთ-ერთ ტესტში მეცნიერებმა ნუნანის სინდრომის აღმოჩენა სცადეს, რომელიც გულის პრობლემებითა და დეფექტებით ხასიათდება. ამ დაავადების სწორად აღმოჩენა ალგორითმმა შემთხვევების 64 პროცენტში შეძლო. აღსანიშნავია, რომ ერთ-ერთ წინა კვლევაში, ექიმებმა პაციენტების ფოტოების ნახვით ნუნანის სინდრომის აღმოჩენა შემთხვევების მხოლოდ 24 პროცენტში შეძლეს.

"ჩვენ დავადასტურეთ, რომ ამ სისტემის გამოყენება საავადმყოფოებსა და კლინიკებში შეიძლება", - აცხადებს გუროვიჩი.

ტექნოლოგია სახის ფოტოებს ღრმა დასწავლის (Deep Learning) ალგორითმით აანალიზებს, შემდეგ კი შესაძლო სინდრომების ჩამონათვალს ქმნის.

იმის გარკვევა, თუ ზუსტად სახის რომელი თავისებურებებით მივიდა ალგორითმი დასკვნამდე, რთულია. თუმცა, ალგორითმი ფოტოსგან "სითბური რუკის" მსგავს სურათს ქმნის, რომლითაც მეცნიერები ხედავენ, თუ სახის რომელმა ნაწილმა ითამაშა როლი აღნიშნული დაავადების დიაგნოზის დასმაში.

ექსპერიმენტში გამოყენებული ყველა სურათი იმ პაციენტებს ეკუთვნოდათ, რომლებსაც დაავადებების დიაგნოზი უკვე დასმული ჰქონდათ. კვლევის ფარგლებში პროგრამას ახალი დიაგნოზები არ დაუსვამს, მან უბრალოდ ამოიცნო ის დიაგნოზები, რომლებიც პაციენტებს უკვე დასმული ჰქონდათ.

გუროვიჩის თქმით, აღნიშნული კვლევის ერთ-ერთი დაბრკოლება იმის შეფასება იყო, თუ რამდენად ეფექტურად მუშაობდა პროგრამა.

"ამის მიზეზი ისაა, რომ აღნიშნულ საკითხზე საკმარისი საჯარო ინფორმაცია არ არსებობს", - აცხადებს ის.

ლონდონის სამეფო კოლეჯის ბიოსამედიცინო ინჟინერიისა და ვიზუალიზაციის მეცნიერებების სკოლის უფროსი ლექტორი ხორხე კარდოსო აცხადებს, რომ ეს კონკრეტული ტექნოლოგია ძალიან საინტერესოა.

"სამედიცინო სფეროში კატეგორიზირებული ინფორმაციის დიდი რაოდენობით დაგროვებამ საშუალება მოგვცა, რომ ხელოვნური ინტელექტი გამოვიყენოთ, რომლითაც შეგვიძლია აღმოვაჩინოთ და ვიწინასწარმეტყველოთ გენეტიკური მუტაციები. ამას ჯანდაცვის სისტემასა და პაციენტებზე დადებითი გავლენა აქვს. მიუხედავად იმისა, რომ კვლავ არსებობს დაბრკოლებები, რომელთა გადაჭრაც აღნიშნული ტექნოლოგიების საავადმყოფოებში დანერგვამდე უნდა მოხდეს, ხელოვნური ინტელექტის პოტენციალი მედიცინაში ძალიან დიდია.", - განუცხადა მან CNN-ს.

"ეს კიდევ ერთი სფეროა, რომელშიც ხელოვნურმა ინტელექტმა შესაძლოა გადატრიალება მოახდინოს. ჩვენ ხელოვნური ინტელექტის შესახებ ყოველდღიურად მრავალ უარყოფით ინფორმაციას ვკითხულობთ, ამის ფონზე კარგი იქნება თუ იმასაც გავაცნობიერებთ, თუ რამხელა დადებითი გავლენის მოხდენა შეუძლია ხელოვნურ ინტელექტს კაცობრიობაზე", - აცხადებს ლონდონის ქვინ მერის უნივერსიტეტის კომპიუტერულ მეცნიერებათა პროფესორი პიტერ მაკოუენი.