گوگل وضعیت بیماران را پیش‌بینی می‌کند

گفته می‌شود که بزرگ‌ترین چالش پیش روی آن دسته از پژوهشگران حوزه‌ی هوش مصنوعی که درصدد آموزش الگوریتم‌های خود با استفاده از اسناد الکترونیکی سلامت هستند، این است که منبع داده‌ها، اطلاعات گسترده، نابرابر و بدون برچسب‌ مناسب موجود در پرونده‌ی بیماران است. علاوه‌بر نقطه‌داده‌ها، ادراک دست‌نوشته‌ی پزشکان نیز همواره برای سیستم‌ها دشوار بوده؛ چرا که دست‌خط هر پزشک یا پرستار منحصربه‌فرد است.

برای پوشش‌ دادن این مشکلات، راهکار گوگل بر سه شبکه‌ی پیچیده‌ و عمیق عصبی تکیه دارد که از طریق تمام داده‌ها آموزش می‌بیند و تشخیص می‌دهد که کدام بخش‌ها بیشترین تأثیر را در نتیجه‌ی نهایی درمان بیماران دارد. پس از آنالیز هزاران بیمار، سیستم تشخیص داد که کدام واژه‌ها یا رویدادها بیشترین ارتباط را با نتیجه‌ی درمان دارند و آموخت که به داده‌های فرعی کمترین توجه را داشته باشد. معمولا پژوهشگران حوزه‌ی هوش مصنوعی پس از توسعه‌ی سیستم خود، باید چگونگی تفسیر داده‌ها توسط آن را به‌ دقت زیر نظر داشته باشند؛ به‌عنوان مثال برای تصمیم‌گیری دقیق‌تر، به چند لایه از داده نیاز است. در مقاله‌ی منتشرشده چنین آمده است که این فرآیند به‌صورت خودکار توسط یکی از پروژه‌های پیشین گوگل موسوم به Vizier انجام می‌شود.

فراتر از نتایج به‌دست‌آمده، این پژوهش نشان‌دهنده‌ی سرمایه‌گذاری قابل توجهی است که سران آلفابت خارج از شرکت‌هایی همچون Verily ،Calico و DeepMind در زمینه‌ی به‌کارگیری هوش مصنوعی در حوزه‌ی سلامت انجام داده‌اند. باید خاطرنشان کنیم که تعدادی از اشخاص شناخته‌شده‌ی گوگل، نظیر کوک لی (خالق شبکه‌های عصبی بازگشت‌کننده جهت پیش‌بینی براساس زمان)، جف دین (از توسعه‌دهندگان اصلی زیرساخت سرورهای گوگل) و گرگ کورادو (یکی از مدیران گوگل و فعالان پروژه‌های مهمی همچون سیستم ترجمه و قابلیت پاسخ‌گویی هوشمند) نیز در این پژوهش نقش داشته‌اند.

دستاورد اخیر پژوهشگران گوگل می‌تواند تهدیدی برای رقبایی همچون آی‌بی‌ام باشد که خود را یکی از نوآوران هوش مصنوعی با محوریت سلامت می‌داند؛ اما به‌ خاطر دادن وعده‌های بزرگ و دست‌یابی به نتایج نه‌چندان قابل اتکا، مورد انتقاد قرار گرفته است.