Zdaniem Google, algorytmy sztucznej inteligencji rozwijane przez laboratorium Medical Brain obecnie radzą sobie lepiej z szacowaniem ryzyka śmierci pacjentów, niż narzędzia wykorzystywane przez szpitale.
Potencjał narzędzia opracowywanego przez zespół Medical Brain leży przede wszystkim w analizie informacji, które wcześniej nie mogły być wykorzystane w pracy diagnostów ze względu na ograniczenia stosowanych w pracy laboratoryjnej narzędzi. Narzędzie Google na podstawie danych wyjściowych skonfigurowane zostało tak, by określać ryzyko śmierci pacjenta, możliwy czas wypisania ze szpitala, a także przewidzieć potencjalne powtórne wizyty pacjenta związane z wystąpieniem nawrotu choroby.
W opublikowanym w prestiżowym magazynie “Nature” artykule członkowie zespołu Google stwierdzili, że “modele predyktywne miały lepsze wyniki niż tradycyjne, używane w diagnostyce klinicznej - we wszystkich przypadkach. Wierzymy, że w przyszłości nasze narzędzie może posłużyć do stworzenia dokładnej metody predykcji w różnych scenariuszach leczenia”.
Sztuczna inteligencja rozwijana przez Google na potrzeby diagnostyki medycznej została już przetestowana nawet w przypadku tak trudnych w leczeniu chorób, jak rak piersi. W 24 godziny po przyjęciu do szpitala pacjentki algorytm określił, że z jej pobytem w placówce wiąże się prawie 20-procentowe ryzyko śmierci, co stało w znaczącej sprzeczności z prognozą szpitalnego systemu ostrzegania, który ryzyko w przypadku tej osoby określił na 9,3 proc. Diagnozowana pacjentka zmarła niecałe dwa tygodnie później w wyniku choroby, na którą cierpiała.
Aby uzyskać tak dokładny wynik, sztuczna inteligencja przeanalizowała ponad 175,5 tys. pojedynczych informacji na temat pacjentki, które pochodziły z jej historii leczenia - w tym, napisanych odręcznie notatek.
W ramach całego programu badawczego narzędzie Google przeanalizowało 216,2 tys. przypadków hospitalizacji związanych z 114 tys. pacjentów. Łączna liczba danych, które zostały wykorzystane przez algorytmy, to 46 mld pojedynczych informacji pochodzących z powiązanych z pacjentami zapisów historii medycznej.
