Το σύστημα προορίζεται να βοηθήσει τους γιατρούς που έχουν μεγάλο όγκο εργασίας, «πνίγονται» από μεγάλες ποσότητες ιατρικών δεδομένων ή έχουν αμφιβολίες για την ακρίβεια της διάγνωσης τους.
Οι ερευνητές, με επικεφαλής τον κινεζικής καταγωγής Κανγκ Ζανγκ του Πανεπιστημίου της Νότιας Καλιφόρνια στο Σαν Ντιέγκο, που έκαναν τη σχετική δημοσίευση στο ιατρικό περιοδικό "Nature Medicine", χρησιμοποίησαν στοιχεία από περίπου 1,36 εκατομμύρια επισκέψεις ασθενών κάτω των 18 ετών σε παιδιάτρους στην Κίνα για να «εκπαιδεύσουν» τους αλγόριθμους του «έξυπνου» συστήματός τους.
Το σύστημα χρησιμοποιεί τεχνικές βαθιάς μηχανικής μάθησης για να εντοπίζει κλινικά σημαντικές πληροφορίες στα ιατρικά δεδομένα. Ανατρέχοντας σε ένα μεγάλο όγκο ηλεκτρονικών ιατρικών ιστορικών και αποτελεσμάτων διαγνωστικών εξετάσεων (απεικονιστικές, αίματος κ.α.), το σύστημα μαθαίνει να εντοπίσει παθήσεις που ακόμη και ένας παιδίατρος μπορεί να παραβλέψει.
Είναι σε θέση π.χ. να διαγνώσει -με ακρίβεια 90% έως 97%- ένα κοινό κρυολόγημα, μια γρίπη, μια οξεία κρίση άσθματος, μια μονοπυρήνωση, μια ανεμοβλογιά, μια ιγμορίτιδα ή μια μηνιγγίτιδα. Οι ερευνητές σύγκριναν τις επιδόσεις του συστήματος με τις διαγνώσεις 20 παιδιάτρων. Το σύστημα τα κατάφερε σε γενικές γραμμές καλύτερα από αυτούς με τη λιγότερη εμπειρία, αλλά χειρότερα σε σχέση με τους πολύ έμπειρους γιατρούς.
Οι ερευνητές ήδη ξεκίνησαν να εκπαιδεύουν το σύστημα για να διαγιγνώσκει και άλλες ασθένειες πέρα από τις παιδικές. «Πιστεύω ότι θα μπορεί να κάνει τελικά τις περισσότερες από τις δουλειές που σήμερα κάνει ένας γιατρός. Όμως η τεχνητή νοημοσύνη ποτέ δεν θα αντικαταστήσει ένα γιατρό. Απλώς θα επιτρέπει στους γιατρούς να κάνουν καλύτερη δουλειά σε λιγότερο χρόνο και με λιγότερο κόστος», δήλωσε ο Ζανγκ.
