Η εταιρία δημιούργησε ένα πρόγραμμα τεχνητής νοημοσύνης που θα μπορεί να προβλέπει με ακρίβεια 95% πότε θα πεθάνει ένας νοσοκομειακός ασθενής, 24 ώρες μετά την εισαγωγή του στο νοσοκομείο. Το ποσοστό επιτυχίας είναι 10% καλύτερο από τα άλλα παραδοσιακά μοντέλα πρόβλεψης.
Για την επίτευξη των προβλέψεών του, το λογισμικό της Google χρησιμοποιεί δεδομένα, όπως η εθνικότητα, η ηλικία, το φύλο, οι προηγούμενες διαγνώσεις, τα εργαστηριακά αποτελέσματα και τα ζωτικά σημεία του ασθενή. Αλλά αυτό που το κάνει τόσο ισχυρό είναι ότι συμπεριλαμβάνει δεδομένα στα οποία δεν είχαν προηγουμένως πρόσβαση οι μηχανές, όπως οι σημειώσεις ιατρών που έχουν σωθεί σε αρχεία PDF ή σε μορφή γραφημάτων.
Εκτός από το θάνατο, η ΑΙ μπορεί επίσης να προβλέψει πιθανή επανεισαγωγή στο νοσοκομείο εντός 30 ημερών και πιθανή διάρκεια παραμονής σε νοσηλεία. Το σύστημα είναι ακόμα σε αρχικό στάδιο, αλλά η Google πιστεύει ότι θα μπορούσε κάποια μέρα, να χρησιμοποιηθεί για την πρόβλεψη του θανάτου ενός ατόμου πολύ περισσότερο χρόνο πριν αυτός επέλθει.
Το πρόγραμμα αναπτύχθηκε σε συνεργασία με συναδέλφους από το UC San Francisco, το Stanford Medicine και το University of Chicago Medicine.
Για να δοκιμάσει το σύστημα, η Google απέσπασε δεδομένα από 216.221 ενήλικες, με περισσότερα από 46 δισεκατομμύρια σημεία δεδομένων ανάμεσά τους. Αφού μελετούσε τα δεδομένα, η ΑΙ ήταν σε θέση να προσδιορίσει ποιες λέξεις συνδέονταν στενότερα με τα αποτελέσματα.
Ενώ τα αποτελέσματα δεν έχουν ακόμα αξιολογηθεί, η Google ισχυρίζεται ότι πέτυχε τεράστιες βελτιώσεις έναντι των παραδοσιακών μοντέλων. Το μεγαλύτερο όφελος, ισχυρίζονται οι ερευνητές, είναι η δυνατότητα του συστήματος να χρησιμοποιεί όλους τους τύπους δεδομένων. Ο Nigam Shah, αναπληρωτής καθηγητής στο Πανεπιστήμιο του Στάνφορντ, δήλωσε στο Bloomberg ότι ενώ το 80% του χρόνου που αφιερώνεται στα ήδη υπάρχοντα μοντέλα πρόβλεψης πηγαίνει στην εμφάνιση των δεδομένων, «Με την Google δεν ανησυχείτε για αυτό».
Για κάθε πρόβλεψη, ένα μοντέλο βαθιάς μάθησης διαβάζει όλα τα σημεία δεδομένων στα ηλεκτρονικά αρχεία υγείας, από τα πιο παλιά μέχρι τα πιο πρόσφατα, και στη συνέχεια μαθαίνει ποια δεδομένα βοηθούν στην πρόβλεψη του αποτελέσματος. Τα τελικά αποτελέσματα έδειξαν εντυπωσιακή ακρίβεια.
Τα πλήρη ευρήματα της μελέτης δημοσιεύθηκαν στο περιοδικό Digital Medicine.
