Teknologigiganten Alphabet Inc.s Google (GOOGL) har forsøkt å komme inn i helsevesenet en stund nå, og det ser ut til at innsatsen lønner seg. Google hevder å ha opprettet et system som er i stand til å forutsi en rekke utfall for pasienter, inkludert varigheten som folk kan trenge å bli innlagt på, deres sjanser for tilbaketaking og deres sjanser for død. Kalt medisinsk hjerne, kan dette gjennombruddet gi Google et helt nytt marked å utforske.
Bloomberg rapporterer en casestudie av en kvinne som hadde brystkreft på sent stadium som fikk en overlevelsessjanse på 9, 3% ved sykehusets standard beregningsmetoder, mens Googles prediktive analyse ga henne 19, 9% sjanse for å dø under sykehusoppholdet. Pasienten gikk bort i løpet av noen dager, og styrket opp Googles påstander om å tilby en bedre prediksjonsmekanisme av systemet.
I mai-utgaven av det vitenskapelige tidsskriftet Nature beskrev Googles team sin prediktive metodikk: “Disse modellene overgikk bedre enn tradisjonelle, klinisk brukte prediktive modeller i alle tilfeller. Vi tror at denne tilnærmingen kan brukes til å lage nøyaktige og skalerbare prediksjoner for en rekke kliniske scenarier. ”Forskningen belyser bruken av nevrale nettverk innen helsevesenet. Et nevralt nettverk er en form for kunstig intelligens (AI) programvare som er modellert på den menneskelige hjernen og nervesystemet som er avhengig av å bruke data for automatisk å lære og forbedre ved å identifisere underliggende forhold.
Slik fungerer Googles verktøy
Leger, sykehus og andre helsepersonell har i mange år slitt med å opprettholde og oppsummere medisinsk data for en pasient. Til tross for bruk av avanserte datalagringssystemer dedikert til sykehusbruk, har suksessen imidlertid vært varierende.
Tilgjengelige rapporter indikerer at Googles system for slik prediktiv analyse jobber med å sile gjennom mange datapunkter for å komme frem til slutningen. I ovennevnte tilfelle analyserte Googles algoritme 175.639 datapunkter for å konkludere. Googles kapasitet til å lese data i en rekke former - inkludert håndskrevne notater lagret som PDF-er, gamle diagrammer og medisinske rapporter - kombinert med behandlingshastigheten er den virkelige spillskifteren. Algoritmen viser også hvilke datapunkter som var mest nyttige for å komme til konklusjonen.
Mens dagens prediktive modeller bruker rundt 80% av tiden sin på speiding og presentasjon av data, unngår Googles tilnærming denne flaskehalsen.
