برخی از پژوهشگران گوگل در حوزهی هوش مصنوعی در تلاش برای پیشبینی نتیجهی مداوای بیماران، بلافاصله پس از بستری شدن در بیمارستان هستند.
هفتهی گذشته مقالهای در پایگاه arXiv.org منتشر شد که حاصل پژوهشهای ۳۴ پژوهشگر است و حکایت از توسعهی روشی جدید و بسیار دقیق برای پیشبینی نتیجهی فرآیند مداوای بیماران دارد؛ بدین ترتیب که پژوهشگران با استفاده از سازوکار جدید میتوانند با دقت بالایی، مواردی مانند بهبود، مرگ یا بستری شدن مجدد را برای بیماران پیشبینی کنند. باید خاطرنشان کنیم که مقالهی یادشده در حال حاضر داوری نشده است. گوگل برای انجام این پژوهش، دادههای مربوط به ۲۱۶,۲۲۱ فرد ناشناس را با بیش از ۴۶ میلیارد نقطهدادهی بین آنها جمعآوری کرده است. دادههای یادشده در مجموع مربوط به ۱۱ سال در دو بیمارستان، شامل مرکز درمانی دانشگاه کالیفرنیا سن فرانسیسکو (از سال ۲۰۱۲ تا ۲۰۱۶) و دانشکدهی پزشکی دانشگاه شیکاگو (۲۰۰۹ تا ۲۰۱۶) هستند.
درحالیکه نتایج حاصل از پژوهش اخیر گوگل بهصورت مستقل صحهگذاری نشده است؛ اما پژوهشگران مانتینویو مدعی هستند که سیستم آنها نسبت به مدلهای موجود در این زمینه، عملکرد بسیار بهتری دارد. گوگل مدعی است که سیستم این شرکت ۲۴ تا ۴۸ ساعت پیش از مدلهای فعلی، مرگ بیماران را پیشبینی میکند و این ویژگی میتواند زمان بیشتری برای پیادهسازی روشهای درمانی مختلف در اختیار پزشک معالج قرار دهد.
گفته میشود که بزرگترین چالش پیش روی آن دسته از پژوهشگران حوزهی هوش مصنوعی که درصدد آموزش الگوریتمهای خود با استفاده از اسناد الکترونیکی سلامت هستند، این است که منبع دادهها، اطلاعات گسترده، نابرابر و بدون برچسب مناسب موجود در پروندهی بیماران است. علاوهبر نقطهدادهها، ادراک دستنوشتهی پزشکان نیز همواره برای سیستمها دشوار بوده؛ چرا که دستخط هر پزشک یا پرستار منحصربهفرد است.
برای پوشش دادن این مشکلات، راهکار گوگل بر سه شبکهی پیچیده و عمیق عصبی تکیه دارد که از طریق تمام دادهها آموزش میبیند و تشخیص میدهد که کدام بخشها بیشترین تأثیر را در نتیجهی نهایی درمان بیماران دارد. پس از آنالیز هزاران بیمار، سیستم تشخیص داد که کدام واژهها یا رویدادها بیشترین ارتباط را با نتیجهی درمان دارند و آموخت که به دادههای فرعی کمترین توجه را داشته باشد. معمولا پژوهشگران حوزهی هوش مصنوعی پس از توسعهی سیستم خود، باید چگونگی تفسیر دادهها توسط آن را به دقت زیر نظر داشته باشند؛ بهعنوان مثال برای تصمیمگیری دقیقتر، به چند لایه از داده نیاز است. در مقالهی منتشرشده چنین آمده است که این فرآیند بهصورت خودکار توسط یکی از پروژههای پیشین گوگل موسوم به Vizier انجام میشود.
فراتر از نتایج بهدستآمده، این پژوهش نشاندهندهی سرمایهگذاری قابل توجهی است که سران آلفابت خارج از شرکتهایی همچون Verily ،Calico و DeepMind در زمینهی بهکارگیری هوش مصنوعی در حوزهی سلامت انجام دادهاند. باید خاطرنشان کنیم که تعدادی از اشخاص شناختهشدهی گوگل، نظیر کوک لی (خالق شبکههای عصبی بازگشتکننده جهت پیشبینی براساس زمان)، جف دین (از توسعهدهندگان اصلی زیرساخت سرورهای گوگل) و گرگ کورادو (یکی از مدیران گوگل و فعالان پروژههای مهمی همچون سیستم ترجمه و قابلیت پاسخگویی هوشمند) نیز در این پژوهش نقش داشتهاند.
دستاورد اخیر پژوهشگران گوگل میتواند تهدیدی برای رقبایی همچون آیبیام باشد که خود را یکی از نوآوران هوش مصنوعی با محوریت سلامت میداند؛ اما به خاطر دادن وعدههای بزرگ و دستیابی به نتایج نهچندان قابل اتکا، مورد انتقاد قرار گرفته است.