Forskere i Storbritannien testede et AI-værktøj kaldet Foresight, som skaber digitale tvillinger af patienter for at forudsige fremtidige sundheds- og behandlingsresultater.
Ideen om at skabe digitale tvillinger i forskellige brancher giver ingeniører mulighed for at teste systemer i en simulering, før de implementeres i den fysiske verden. AI-værktøjer som Fremsyn gør det nu muligt for sundhedspersonale.
Hver gang en patient besøger en sundhedsplejerske, tilføjes der oplysninger til deres elektroniske patientjournal (EHR). Nogle af disse data er strukturerede (alder, køn, etnicitet), men de fleste er ustrukturerede, som f.eks. testresultater eller notater, som en læge kan gøre.
Foresight bruger en GPT-baseret model til at omdanne disse data til en model, eller digital tvilling, af patienten. Fordi Foresight er trænet på store mængder af andre patienters EPJ-data, kan den derefter forudsige sundhedsresultater som f.eks. de typer sygdomme, en patient sandsynligvis vil udvikle, eller deres reaktion på en bestemt type behandling.
James Teo, professor ved King's College Hospital og medforfatter til undersøgelsen, forklarede betydningen af dette. Teo sagde på X: "I modsætning til LLM'er, der blot forudsiger det næste ord, forudsiger Foresight mulige fremtider for patienter og repræsenterer mulige multivers for at forstå sygdomme."
Man kan tage en patients EPJ og derefter simulere flere versioner af patienten for at forudsige deres sundhedsforløb. Traditionelt skulle en læge læse en patients EPJ, beslutte sig for en behandlingsmulighed og derefter evaluere resultaterne efter et stykke tid for at overvåge behandlingens effektivitet.
Med Foresight kan en læge simulere flere potentielle behandlinger, hvor modellen forudsiger de kortsigtede og langsigtede resultater af hver behandling. Det er en langt mere omkostningseffektiv tilgang og skåner patienten for den "lad os prøve det"-tilgang, som mange læger er nødt til at ty til.
Resultater
Undersøgelsen, udgivet i The Lancet Digital HealthForesight forklarede, hvordan forskerne trænede tre forskellige modeller af Foresight ved hjælp af hospitalsdatasæt fra to britiske hospitaler og et offentligt tilgængeligt datasæt i USA med i alt 811.336 patienter.
Foresight fik til opgave at vælge den lidelse, som en patient med størst sandsynlighed ville udvikle, ud fra en liste med 10 mulige lidelser. Den forudsagde nøjagtigt den næste lidelse 68% og 76% af gangene ved brug af de to britiske datasæt og 88% af gangene ved brug af amerikanske data.
Da Foresight fik til opgave at forudsige det næste nye biomedicinske "koncept", som kunne være en lidelse, et symptom, et tilbagefald eller medicin, opnåede de en præcision på henholdsvis 80%, 81% og 91% ved hjælp af de britiske og amerikanske datasæt.
Forskellen i ydeevne viser, hvor afhængige AI-værktøjer er af at have data af god kvalitet.
Hvor spændende denne anvendelse af AI end er, bemærker forskerne, at der er flere udfordringer, der skal overvindes. At finde måder at få modellen til korrekt at afveje nye behandlinger og interventioner eller korrekt at evaluere betydningen af sandsynlighed i forhold til hastende karakter og indvirkning er blot to eksempler.
Forskerne arbejder på at udvikle Foresight 2, som de siger vil være en mere præcis model.
Med nye lægemiddelopdagelser og koncepter som patientmodellering, simulering og prognoser vil AI få en betydelig indflydelse på kvaliteten af de sundhedsydelser, vi får.
