Ένα νέο μοντέλο τεχνητής νοημοσύνης που αναπτύχθηκε από επιστήμονες στο Πανεπιστήμιο της Βοστόνης έχει ως στόχο να βοηθήσει τους γιατρούς να επιλέξουν το σωστό φάρμακο για τους ασθενείς τους που πάσχουν από υπέρταση. Το μοντέλο αυτό χρησιμοποιεί ιατρικά δεδομένα για τους ασθενείς, όπως για παράδειγμα δημογραφικά στοιχεία, ζωτικά σημεία ή αποτελέσματα εξετάσεων με σκοπό να προτείνει το κατάλληλο φάρμακο. Χρησιμοποιώντας το μοντέλο αυτό, οι επιστήμονες έχουν καταφέρει να επιτύχουν υψηλότερα ποσοστά μείωση της αρτηριακής πίεσης σε σχέση με τις προσεγγίσεις που ακολουθούνται σήμερα για την επιλογή φαρμάκων.
Το εντυπωσιακό χαρακτηριστικό του μοντέλου αυτού είναι ότι επιστρέφει διαφορετικό φάρμακο για τον κάθε ασθενή, ανάλογα με τα ιδιαίτερα χαρακτηριστικά του τελευταίου, γεγονός που μας βοηθά να προσεγγίσουμε ταχύτερα το στόχο της εξατομικευμένης θεραπείας. Μάλιστα, το μοντέλο επιστρέφει αρκετά φάρμακα και για καθένα από αυτά δίνει ένα ποσοστό πιθανής αποτελεσματικότητας.
Για την ανάπτυξη του μοντέλου, οι επιστήμονες χρησιμοποίησαν δεδομένα για 42.752 ασθενείς με υπέρταση που είχαν εξεταστεί στο Boston Medical Center από το 2012 μέχρι το 2020. Οι ασθενείς χωρίστηκαν σε ομάδες ανάλογα με τα χαρακτηριστικά τους.
Στα πρώτα πειράματα που έκαναν, οι επιστήμονες συνέκριναν την αποτελεσματικότητα του μοντέλου με αυτή των τυπικών αλγορίθμων για την επιλογή ενός φαρμάκου για τους ασθενείς. Προς έκπληξή τους, παρατήρησαν ότι το μοντέλο κατάφερε να επιτύχει 70.3% μεγαλύτερη ρύθμιση της αρτηριακής πίεσης σε σχέση με το standard of care.
Εκτός από την καλύτερη επιλογή του αρχικού φαρμάκου, το μοντέλο μπορούσε επίσης να αποφασίσει καλύτερα πότε ο ασθενής θα πρέπει να σταματήσει τη φαρμακευτική αγωγή, κάτι που έχει μεγάλη σημασία, ιδιαίτερα σε ασθενείς που παίρνουν περισσότερα του ενός φάρμακα.
Το γεγονός ότι το μοντέλο επιστρέφει μία λίστα με επιλογές φαρμάκων για κάθε ασθενή είναι σημαντικό, καθώς σε ορισμένα φάρμακα υπάρχουν διαφωνίες μεταξύ των γιατρών, επομένως πάντοτε υπάρχει κάποια εναλλακτική επιλογή.
Μερικές από τις προκλήσεις που έπρεπε να αντιμετωπίσει η επιστημονική ομάδα της έρευνας ήταν η περιορισμένη εμπιστοσύνη των γιατρών και ασθενών στις εφαρμογές τεχνητής νοημοσύνης στον τομέα της υγείας, καθώς και οι δυσκολίες στην ερμηνεία των αποτελεσμάτων που επιστρέφει το μοντέλο. Οι επιστήμονες θέλησαν επίσης το μοντέλο να μπορεί να χρησιμοποιηθεί και από άτομα χωρίς εκπαίδευση σε μεθόδους τεχνητής νοημοσύνης, καθώς ο κύριος πληθυσμός που απευθύνεται η νέα αυτή τεχνολογία είναι οι γιατροί.
Καταλήγοντας, οι επιστήμονες της μελέτης υποστήριξαν ότι το μοντέλο αυτό αποτελεί ένα μεγάλο βήμα για την ιατρική ακριβείας και τις εξατομικευμένες θεραπείες, ενώ διευκολύνει σε μεγάλο βαθμό τις αποφάσεις των γιατρών για την αντιμετώπιση της υπέρτασης. Σύμφωνα με την ομάδα, το μοντέλο ήταν πολύ πιο αποτελεσματικό από όλους τους αλγορίθμους επιλογής φαρμάκων που χρησιμοποιούνται σήμερα και μπορεί να βελτιώσει σημαντικά την πρόγνωση των ασθενών.
Επιμέλεια: Αντώνιος Δημητρακόπουλος MD, PhD, Ειδικός Παθολόγος Διευθυντής Γ’ Παθολογικής Κλινικής Ερρίκος Ντυνάν HC, ΕΔΙΠ Παθολογίας-Ανοσολογίας Ιατρικής Σχολής ΕΚΠΑ