Η οστεοπόρωση είναι τόσο δύσκολο να διαγνωσθεί σε πρώιμο στάδιο ώστε αποκαλείται δικαίως «σιωπηλή νόσος». Πώς θα σας φαινόταν όμως αν η τεχνητή νοημοσύνη μπορούσε να βοηθήσει στην πρόγνωση της οστεοπόρωσης προτού καν επισκεφθείτε κάποιον ειδικό;

Αλγόριθμος βαθιάς μηχανικής μάθησης

Αυτό το όραμα είχαν ερευνητές του Πανεπιστημίου Tulane στη Λουιζιάνα των ΗΠΑ οι οποίοι ανέπτυξαν έναν αλγόριθμο βαθιάς μηχανικής μάθησης που αποδείχθηκε ανώτερος των υπαρχουσών υπολογιστικών μεθόδων πρόβλεψης του κινδύνου οστεοπόρωσης. Σύμφωνα με τους δημιουργούς του, ο αλγόριθμος που παρουσιάστηκε σε πρόσφατη δημοσίευση στο επιστημονικό περιοδικό «Frontiers in Artificial Intelligence», μπορεί να οδηγήσει σε πιο πρώιμη διάγνωση της οστεοπόρωσης καθώς και σε καλύτερη έκβαση των ατόμων που αντιμετωπίζουν αυξημένο κίνδυνο να την εμφανίσουν.

«Το μοντέλο μας ξεπέρασε άλλα μοντέλα σε ό,τι αφορούσε την ακριβή πρόβλεψη του κινδύνου οστεοπόρωσης»

Τα μοντέλα βαθιάς μηχανικής μάθησης έχουν γίνει άκρως δημοφιλή τα τελευταία χρόνια χάρη στην ικανότητά τους να μιμούνται τα ανθρώπινα νευρικά δίκτυα και να εντοπίζουν σε τεράστιες βάσεις δεδομένων συγκεκριμένα μοτίβα και τάσεις με τρόπο «αυτοδίδακτο».

Υπεροχή έναντι πέντε άλλων μοντέλων πρόβλεψης

Oι ερευνητές του Tulane συνέκριναν το προηγμένο μοντέλο που ανέπτυξαν με τέσσερις συμβατικούς αλγορίθμους μηχανικής μάθησης καθώς και με ένα παραδοσιακό αναδρομικό μοντέλο χρησιμοποιώντας δεδομένα που αφορούσαν περισσότερους από 8.000 συμμετέχοντες ηλικίας 40 ετών και άνω από τη Μελέτη για την Οστεοπόρωση της Λουιζιάνα. Οπως είδαν, το μοντέλο τους είχε την καλύτερη απόδοση πρόβλεψης η οποία μετρήθηκε μέσω της ικανότητας εντοπισμού των θετικών δειγμάτων και της αποφυγής λαθών.

Εγκαιρος εντοπισμός κινδύνου, έγκαιρη λήψη προληπτικών μέτρων

«Οσο νωρίτερα ανιχνευθεί ο κίνδυνος οστεοπόρωσης τόσο περισσότερο χρόνο έχει ο ασθενής για να λάβει προληπτικά μέτρα» ανέφερε ο κύριος συγγραφέας της μελέτης Τσουάν Κιου, επίκουρος καθηγητής στο Κέντρο Βιοϊατρικής Πληροφορικής και Γενωμικής στην Ιατρική Σχολή του Tulane και προσέθεσε ότι «είμαστε πολύ χαρούμενοι που το μοντέλο μας ξεπέρασε άλλα μοντέλα σε ό,τι αφορούσε την ακριβή πρόβλεψη του κινδύνου οστεοπόρωσης».

Οι 10 σημαντικότεροι παράγοντες πρόβλεψης του κινδύνου

Μέσα από τη μελέτη τους οι ερευνητές εντόπισαν επίσης τους 10 σημαντικότερους παράγοντες για την πρόβλεψη του κινδύνου οστεοπόρωσης: αυτοί ήταν το βάρος, η ηλικία, το φύλο, η δύναμη κατά το σφίξιμο του χεριού, το ύψος, η κατανάλωση μπίρας, η διαστολική πίεση, η κατανάλωση αλκοόλ γενικώς, το κάπνισμα καθώς και το οικονομικό επίπεδο του κάθε ατόμου.

Απώτερος στόχος μια πλατφόρμα ΤΝ για τον πληθυσμό

Παρότι ο καθηγητής Κιου παραδέχθηκε ότι υπάρχει ακόμη ερευνητικός δρόμος προτού καταστεί δυνατή η χρήση μιας πλατφόρμας ΤΝ από τον πληθυσμό για πρόβλεψη του κινδύνου οστεοπόρωσης, τόνισε ότι η αποτελεσματικότητα που έδειξε ο νέος αλγόριθμος βαθιάς μηχανικής μάθησης είναι ένα σημαντικό βήμα προς αυτή την κατεύθυνση. «Απώτερος στόχος μας είναι να προσφέρουμε μια ημέρα στον πληθυσμό τη δυνατότητα να εισάγει τα προσωπικά του στοιχεία και να λαμβάνει ακριβές σκορ κινδύνου για οστεοπόρωση ώστε να αναζητά εγκαίρως θεραπείες ενδυνάμωσης του σκελετού του και να περιορίζει περαιτέρω βλάβες στα οστά του» κατέληξε ο δρ Κιου.

Headlines