Google (GOOGL), gigant technologiczny Alphabet Inc., od jakiegoś czasu próbuje wejść do przestrzeni opieki zdrowotnej, a wysiłek wydaje się opłacalny. Google twierdzi, że stworzył system, który jest w stanie prognozować różne wyniki dla pacjentów, w tym czas, w jakim ludzie mogą wymagać hospitalizacji, ich szanse na readmisję i szanse na śmierć. Przełom ten, zwany Medycznym Mózgiem, może dać Google zupełnie nowy rynek do eksploracji.
Bloomberg donosi o studium przypadku kobiety z późnym stadium raka piersi, której szansa przeżycia wyniosła 9, 3% według standardowych metod obliczeniowych szpitala, a analiza predykcyjna Google dała jej 19, 9% szansy na śmierć podczas pobytu w szpitalu. Pacjent zmarł w ciągu kilku dni, potwierdzając twierdzenia Google o oferowaniu lepszego mechanizmu przewidywania przez jego system.
W majowym wydaniu czasopisma naukowego Nature zespół Google opisał swoją metodologię predykcyjną: „Te modele we wszystkich przypadkach przewyższały tradycyjne, predykcyjne modele predykcyjne. Uważamy, że takie podejście można wykorzystać do stworzenia dokładnych i skalowalnych prognoz dla różnych scenariuszy klinicznych. ”Badania podkreślają wykorzystanie sieci neuronowych w dziedzinie opieki zdrowotnej. Sieć neuronowa jest formą oprogramowania sztucznej inteligencji (AI) modelowanego na ludzkim mózgu i układzie nerwowym, która polega na wykorzystaniu danych do automatycznego uczenia się i poprawy w identyfikowaniu podstawowych zależności.
Jak działa Narzędzie Google
Lekarze, szpitale i inni pracownicy służby zdrowia od lat walczą o lepsze utrzymanie i podsumowanie danych medycznych dla pacjenta. Jednak pomimo zastosowania zaawansowanych systemów przechowywania danych przeznaczonych do użytku szpitalnego, sukces był różny.
Dostępne raporty wskazują, że system Google do takiej analizy predykcyjnej działa na przesiewanie ton punktów danych, aby dojść do wniosku. W powyższym przypadku algorytm Google przeanalizował 175 639 punktów danych, aby dojść do wniosku. Zdolność Google do odczytu danych w różnych formach - w tym odręcznych notatek zapisanych jako pliki PDF, stare wykresy i raporty medyczne - w połączeniu z szybkością przetwarzania jest prawdziwym czynnikiem zmieniającym grę. Algorytm pokazuje również, które punkty danych były najbardziej przydatne w dochodzeniu do wniosku.
Podczas gdy współczesne modele predykcyjne spędzają około 80% czasu na wyszukiwaniu i prezentacji danych, podejście Google pozwala uniknąć tego wąskiego gardła.
