ببین هر روز کلی آدم تو دنیا گرفتار بیماریهای قلبی میشن و خب واقعاً خیلی دردسره. اگه بتونیم این مشکلات رو زودتر تشخیص بدیم، جون آدمای بیشتری رو میشه نجات داد. اما دردسر اینجاست که روشهای تشخیصی سنتی همیشه صددرصد جوابگو نیستن و همه دنبال راههای بهتر و مطمئنترن.
اینجا اون چیزی که دست به کار شده، “یادگیری ماشین” یا Machine Learning ـه. اگه با این اصطلاح آشنا نیستی، بدون که یادگیری ماشین یعنی نوعی هوش مصنوعی که با خوراک دادن کلی دیتا و مثال بهش، خودش یاد میگیره بین دادهها الگو پیدا کنه و پیشبینی انجام بده. مثلاً بگیم فلان مریضی رو ممکنه داشته باشی یا نه.
حالا چی کار کردن؟ یه گروه اومدن یه عالمه اطلاعات پزشکی که به صورت عمومی و همهگیر تو اینترنت بوده رو جمع کردن. منظور از این اطلاعات، دادههایی مثل سن، فشارخون، نتایج آزمایشها و اینجور چیزها بوده که همه واسه کلی بیمارف جمعآوری شده بودن.
این اطلاعات رو یه جوری با هم قاطی کردن و مرتبسازی (یعنی Datasetهایی که ویژگیهای مشترک داشتن رو چسبوندن به هم). بعد یه عالمه دیتا داشتن: اولین مجموعه دیتاشون ۳۲۳۶۸۰ تا نمونه از چند بانک اطلاعاتی مختلف بود! البته معمولاً این دیتاها خالی و ناقص زیاد دارن، واسه همین باید کلی عملیات پاکسازی و هماهنگسازی انجام بدن؛ یعنی همه دادههایی که ناقص بودن یا ویژگیهاشون نمیخورد رو حذف کردن تا آخرش رسیدن به ۳۱۱۷۱۰ نمونه درستوحسابی که قابل استفاده باشه.
روش کارشون هم این بود که چند مدل مختلف یادگیری ماشین رو روی این دیتاها تست کردن تا ببینن کدوم یکی بهتر جواب میده. یکی از این مدلها که قشنگ ترکوند و بهترین نتیجه رو داد، مدل CatBoost بود. اگه اسمش برات عجیبه، بدون CatBoost یکی از مدلهای مدرن یادگیری ماشینه که مخصوص مسائل پیچیده حسابی معروف و کارآمده. این مدل تونست بالاترین “مساحت زیر منحنی” (AUC) رو بیاره که تا ۹۴.۱ درصد رسید! (AUC یه جور معیار دقت برای مدلهای پیشبینیه؛ هرچی میزانش بالاتر باشه، یعنی مدل قویتره.)
خلاصه نتیجه تحقیق این گروه اینه که با جمع کردن دیتای درست و حسابی از بیماران و استفاده از مدلهای یادگیری ماشین، میشه پیشبینی خطر بیماریهای قلبی رو دقیقتر و بهتر از قبل انجام داد. این روشهای جدید میتونن به دکترها کمک کنن تا زودتر مشکل رو بفهمن و تصمیم درست بگیرن. البته هنوز راهِ رفتنی زیاده؛ اما همین الانشم نشون دادن که استفاده از هوش مصنوعی تو پزشکی، میتونه کلی زندگی نجات بده!
منبع: +
