απλά εξετάζοντας την απεικόνιση των οργάνων τους. Η έρευνα αυτή θα έχει επιπτώσεις στην έγκαιρη διάγνωση σοβαρών ασθενειών και στην ιατρική παρέμβαση.

Ο ΕΟΠΥΥ είχε ανακοινώσει ως προβλεπόμενη διαδικασία που ακολουθείται για όλα τα φάρμακα σοβαρών παθήσεων την απαίτησή του να αναγράφουν πάνω στην ηλεκτρονική συνταγή οι γιατροί το προσδόκιμο επιβίωσης του ασθενή προκειμένου να εγκριθεί η χορήγηση συγκεκριμένων φαρμάκων. Αργότερα, είχε ανακοινωθεί η πιθανή τροποποίηση αυτής της απαίτησης.
Η ακριβής αξιολόγηση του προσδόκιμου επιβίωσης ενός ασθενούς εξαρτάται από την εμπειρία των γιατρών, αλλά και την αδυναμία τους να κοιτάξουν μέσα στο σώμα και να μετρήσουν την υγεία κάθε οργάνου του ασθενούς. Ερευνητές χρησιμοποίησαν (Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework. Scientific Reports, 2017; 7) αυτοματοποιημένα συστήματα Η/Υ με αναπτυγμένη τεχνητή νοημοσύνη για να αναλύσουν την σύνθετη ιατρική απεικόνιση των οργάνων ασθενών που πέτυχαν με μεθοδολογίες ακτινοβολίας υψηλής ακρίβειας. Αυτή η αυτοματοποιημένη ανάλυση του Η/Υ ήταν σε θέση να προβλέψει ποιοι ασθενείς θα πεθάνουν μέσα σε πέντε χρόνια, με ακρίβεια 69%. Οι πιο ακριβείς προβλέψεις έγιναν για ασθενείς με σοβαρές χρόνιες ασθένειες όπως εμφύσημα και συμφορητική καρδιακή ανεπάρκεια.
Η πρόβλεψη του προσδόκιμου επιβίωσης του ασθενή είναι χρήσιμη επειδή μπορεί να επιτρέψει στους γιατρούς να προσαρμόσουν τις θεραπείες εξατομικευμένα σε κάθε ασθενή, και ασφαλώς όχι για να τους δοθούν δωρεάν φάρμακα. Τέλος, η συγκεκριμένη έρευνα ανοίγει νέους δρόμους για την εφαρμογή της τεχνολογίας τεχνητής νοημοσύνης στην ιατρική απεικόνιση και ελπίδα για την έγκαιρη ανίχνευση σοβαρών ασθενειών που απαιτούν συγκεκριμένες ιατρικές παρεμβάσεις.

του Κωνσταντίνου Τριανταφυλλίδη, Καθηγητή Γενεικής και Γενετικής του ανθρώπου, ΑΠΘ