Dezelfde onderliggende technologie die de massaal populaire generatieve AI-modellen van grote technologiebedrijven als OpenAI aanstuurt, wordt nu gebruikt om te scannen op vroege tekenen van longziekten. Google, een van de leiders op het gebied van nieuwe modellen voor kunstmatige intelligentie, is een partnerschap aangegaan met een startup in de gezondheidszorg die enorme datasets van hoesten en niezen analyseert om tekenen van tuberculose of andere aandoeningen van de luchtwegen te detecteren voordat deze verergeren. Het is een van de vele manieren waarop snel veranderende technologie de vroege ziektedetectie in de gezondheidszorg snel hervormt. Wat er na de initiële diagnose gebeurt, vereist echter nog steeds aanzienlijke menselijke klinische expertise.
De enorme database van Google met hoest en verstopte neuzen
Eerder dit jaar heeft Google details vrijgegeven van een nieuw zelfmonitorend, diepgaand lerend gezondheidsmodel dat zij Health Acoustics Representation (HeAR) noemden. Het model werd getraind op ongeveer 300 miljoen audiofragmenten van twee seconden waarin mensen hoesten, niezen, ademen en snuiven. Deze gevarieerde set audiofragmenten is zogenaamd verzameld uit auteursrechtvrije openbare gegevens van over de hele wereld. Voor een gevoel van schaal werd alleen al het hoestmodel getraind op 100 miljoen verschillende hoestgeluiden. Al deze gegevens zouden in theorie patronen moeten laten zien van hoe een gezond ademhalingssysteem klinkt. Een getraind AI-model kan die kennis vervolgens gebruiken om te zoeken naar afwijkingen in een nieuw door de patiënt verstrekt audiofragment dat op een potentieel gezondheidsrisico zou kunnen duiden.
Onlangs blogde Google dat het is gaan samenwerken met een Indiase startup voor de ademhalingszorg, Salcit Technologies genaamd, om deze bevindingen in de echte wereld toe te passen om te zoeken naar vroege tekenen van tuberculose. Bloomberg maakte deze week melding van de samenwerking. Salcit heeft zijn eigen product, Swaasa genaamd, waarmee gebruikers een audiobestand kunnen opnemen waarin ze hoesten met de microfoon van hun mobiele apparaat. Het AI-model vergelijkt dat geluid vervolgens met een database van hoestgeluiden om te zoeken naar indicatoren voor een dodelijke maar behandelbare ziekte. Van daaruit kunnen patiënten beslissen of ze een arts willen raadplegen voor verdere behandeling. Door hun eigen model te combineren met HeAR verwachten de twee bedrijven de efficiëntie en nauwkeurigheid van producten voor de vroege detectie van luchtwegaandoeningen te kunnen vergroten. In 2022 zullen naar verwachting wereldwijd 1,3 miljoen mensen aan tuberculose sterven. India is jaarlijks verantwoordelijk voor bijna 25% van deze sterfgevallen.
De voorspellende eigenschappen van kunstmatige intelligentie helpen zorgprofessionals om verschillende soorten ziekten sneller op te sporen. Onderzoek heeft al aangetoond dat deze modellen effectief kunnen zijn bij het screenen op potentiële kankertumoren die anders onopgemerkt zouden blijven. Soortgelijke modellen worden ook gebruikt om te zoeken naar vroege tekenen van borstkanker, naar vroege tekenen van borstkanker, bijziendheid en hartziekten. Radiologen gebruiken al GenAI-tools om het tempo van de analyse van medische beelden te versnellen. De impact van AI op de diagnose kan zelfs verder reiken dan chronische aandoeningen die doorgaans op latere leeftijd voorkomen. Vorig jaar creëerden onderzoekers van de Universiteit van Louisville een systeem voor kunstmatige intelligentie waarvan ze zeggen dat het de MRI-scans van peuters kan analyseren om met een nauwkeurigheid van 98,5% te voorspellen of ze al dan niet klinisch gediagnosticeerd zullen worden met autisme.