Η τεχνητή νοημοσύνη και το μέλλον της χειρουργικής

Νέα έρευνα έδειξε ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην επίλυση προβλημάτων που αφορούν ασθενείς και το σύστημα υγείας. Ερευνητές, με επικεφαλής τον Dr. Chris Varghese του University of Auckland, δημοσίευσαν άρθρο για την τεχνητή νοημοσύνη στη χειρουργική, στο περιοδικό Nature Medicine.

Ο Varghese πιστεύει ότι η τεχνητή νοημοσύνη παίζει ρόλο σε κάθε στάδιο του ‘’ταξιδιού’’ του ασθενούς στο χειρουργείο- πριν, κατά τη διάρκεια και- το πιο σημαντικό- μετά από την εγχείρηση.

Όπως σημειώνει, κάθε φορά που κάποιος που υποβλήθηκε σε εγχείρηση παίρνει εξιτήριο από το νοσοκομείο έχει αυξημένο κίνδυνο για επιπλοκές.

Η τεχνητή νοημοσύνη έχει τη δυνατότητα να παρέχει παρακολούθηση και δικτυώσεις ασφαλείας
ώστε να διασφαλιστεί ότι μπορούν να μετριαστούν και να προληφθούν ορισμένες από τις επιπλοκές, καθώς και να ενισχυθεί η ανάρρωση που μπορεί κάποιος να εχει στο σπίτι, σημείωσε.

Άλλη εφαρμογή της τεχνητής  νοημοσύνης ήδη χρησιμοποιείται στην Aotearoa, της Νεας Ζηλανδίας, όπου αυτοματοποιημένοι αλγόριθμοι μπορούν να επεξεργαστούν πολύ μεγάλες λίστες αναμονής και να θέτουν προτεραιότητες βάσει της ανάγκης που έχει ο ασθενής, ώστε οι σωστοί ασθενείς να εξετάζονται τη σωστή στιγμή.

Ενας αναδυόμενος τομέας είναι η χρήση της τεχνητής νοημοσύνης κατά τη διάρκεια μιας εγχείρησης χρησιμοποιώντας ‘’όραση υπολογιστή’’.

Όπως σημειώνει ο Dr. Varghese, η τεχνητή νοημοσύνη προσπαθεί να μάθει τι βλέπουν οι χειρουργοί, πώς μοιάζουν τα χειρουργικά εργαλεία και πώς τα όργανα του σώματος.

Η δυνατότητα που υπάρχει εδώ, είναι να εντοπιστεί η μη φυσιολογική ανατομία και να καθοριστεί ποια θα μπορούσε να είναι η πιο ασφαλής προσέγγιση σε μια εγχείρηση.

Η χρήση της εικονικής και επαυξημένης πραγματικότητας για τον σχεδιασμό των εγχειρήσεων μπορεί να είναι πράγματι χρήσιμη για την αφαίρεση καρκινικών όγκων κ.α

Όμως, σημείωσε, υπάρχουν περιορισμοί, ιδιαίτερα όσον αφορά το να ξεπεραστούν θέματα προσωπικών δεδομένων και ηθικής.

Η τεχνητή νοημοσύνη βασίζεται στην ανάπτυξη μοντέλων από μεγάλο αριθμό δεδομένων και η διασφάλιση ότι τα δεδομένα που εισάγονται στους αλγόριθμους είναι αμερόληπτα και δεν διαιωνίζουν τις υπάρχουσες ανισότητες στα δεδομένα και στην έρευνα είναι αναγκαία, σημείωσε.

Πηγές:
Nature Medicine.