Google stworzył model analityczny, którzy wykorzystując metodę deep learning (tzw. głębokiego uczenia), potrafi oszacować między innymi śmiertelność hospitalizowanych pacjentów. W oparciu o duże zbiory danych (Big Data) zapisane w szpitalnych bazach, prognozuje znacznie skuteczniej niż tradycyjne modele i narzędzia predykcyjne. Narzędzie analityczne poddało „obróbce" ponad 46 mld pojedynczych danych medycznych dotyczących ponad 216 tys. pacjentów zaledwie dwóch szpitali. Dzięki wykorzystaniu najnowszych rozwiązań było w stanie oszacować, ile czasu dany pacjent powinien spędzić w szpitalu i jakie jest ryzyko tzw. readmisji, czyli nieplanowanego ponownego przyjęcia pacjenta do szpitala z podobnego powodu, jak poprzednio. W skrajnych przypadkach model Google'a potrafił przewidzieć nawet prawdopodobieństwo zgonu danego pacjenta.

Tak zwany EHR (ang. electronic health record), czyli elektroniczna dokumentacja medyczna, to jeden z cyfrowych standardów zachodniej służby zdrowia, zawierający dosłownie wszystkie dane o chorym. To potencjalnie tysiące różnych zmiennych, których uporządkowanie i analiza w oparciu o tradycyjne modele są zadaniami praktycznie niewykonalnymi. – W dzisiejszych czasach coraz więcej decyzji zależy od analityki danych. Samo gromadzenie cyfrowych informacji mija się z celem, gdy nie można ich przekształcić w przydatne wnioski. Jak widać na przykładzie Google'a, modele analityczne i predykcyjne, które wykorzystują deep learning i machine learning (uczenie maszynowe – red.), mogą stanowić rozwiązanie tego problemu – mówi Adam Dzielnicki, ekspert firmy Atman.

Jak tłumaczy, dla każdej prognozy narzędzia takie potrafią w czasie rzeczywistym odczytać wybraną informację, połączyć je w ciągi przyczynowo-skutkowe i oszacować, które dane są kluczowe dla analizy stanu zdrowia danego pacjenta.

Wyniki Google'a porównano ze wskaźnikami trafności tradycyjnych modeli predykcyjnych i okazało się, że narzędzie oparte na technologii wspieranej przez sztuczną inteligencję ma o ponad 10 procent wyższą skuteczność w ocenie śmiertelności pacjentów. Podobnie było, gdy chodziło o określenie okresu hospitalizacji. Co ważne, dane, które zostały poddane analizie, nie zostały w żaden sposób wyselekcjonowane przez człowieka. Sztuczna inteligencja (AI) samodzielnie oceniła, które dane są ważne w przypadku danego pacjenta. – Wyniki te pokazują jak ogromny potencjał drzemie w technologiach kognitywnych. AI nie zastąpi oczywiście doświadczonych lekarzy, ale może stanowić istotne wsparcie w ich pracy. Mowa chociażby o skróceniu czasu realizacji procesów czy zmniejszeniu liczby potencjalnych błędów. Ma to ogromne znacznie choćby w tych obszarach, gdzie czas ma kluczowe znacznie dla efektywności organizacji. W służbie zdrowia stawką jest ludzkie życie – podkreśla Adam Dzielnicki.

Jak podają eksperci Deloitte w analizie „Cognitive technologies. A technical primer", wydatki na wdrożenie technologii kognitywnych, takich jak np. deep learning czy AI, mogą w latach 2017-2021 wynieść nawet 200 mld dol. Jednym z głównych czynników, który napędza ten rozwój, jest szybko rosnąca liczba danych. Deloitte wskazuje, że inwestycje będą ponosić przedsiębiorstwa z wielu różnych branż: od bankowości, przez handel i przemysł wytwórczy, aż po służbę zdrowia. Sam sektor ochrony zdrowia jest niezwykle interesujący od strony informatyzacji i digitalizacji. Według IDC to najszybciej rosnący rynek IT spośród wszystkich branż. Ma on rosnąć w tempie ok. 5,5 proc. rocznie.