Kompanija prvenstveno prikuplja ogroman broj podataka da bi napravila projektivnu analitiku za konačno stanje pacijenata. Kompanijina veštačka inteligencija pokazuje izuzetne rezultate u predviđanju zdravstvenog stanja pacijenta pošto je obučena pomoću 46 milijardi zdravstvenih elektronskih podataka. Istraživači iz „Gugla“ i sa Univerziteta u Stanfordu nedavno su objavili studiju u časopisu Priroda (engl. Nature) koja detaljno opisuje njihov rad u kome su koristili velike podatke i metode dubokog učenja da bi predvideli sudbinu pacijenata primljenih na bolničko lečenje. Naučnici su koristili algoritme da bi predvideli važne ishode, kao što su smrt, ponovno primanje u bolnicu da bi se ustanovio kvalitet pružene nege, dužina boravka pacijenta da bi se utvrdila iskorišćenost resursa, kao i predviđanje dijagnoze pacijenta da bi se utvrdilo koliko medicinsko osoblje shvata probleme koje ima pacijent.
Tim je iskoristio drugačiji pristup da bi napravio projektivne statističke modele uzimajući u obzir „reprezentaciju“ svih pacijentovih zdravstvenih kartona, uključujući i zabeleške iz klinike umesto uklanjanja iz analize većine informacija o pacijentu. Primećeno je da 80 procenata napora uloženog na stvaranje analitičkog modela odlazi na pročišćavanje podataka, čime se stvara mogućnost da se poveća broj projektivnih modela pod pretpostavkom da su podaci dostupni za korišćenje.
Pored toga, stvorili su metod koji će im omogućiti da zdravstvenim radnicima pokažu koje podatke je njihov model posmatrao za svakog pacijenta za koga je napravio predviđanje ishoda. Tehnika će omogućiti zdravstvenim radnicima da provere da li se pretpostavka zasniva na verodostojnim činjenicama i tako izrazi zabrinutost za takozvane metode „crne kutije“ koji ne nude objašnjenje razloga za izraženu pretpostavku. Kompanija je prošle godine počela da sarađuje na projektu sa Kalifornijskim univerzitetom u San Francisku, Čikaškim medicinskim fakultetom i Medicinskim fakultetom u Stanfordu što joj je pružilo uvid u ogroman broj medicinskih podataka pacijenata da bi proverili svoje modele dubokog učenja.
Sve u svemu, imali su pristup medicinskim podacima 216.221 pacijenta koji su bili hospitalizovani 24 sata ili više, što im je obezbedilo 46 milijardi podataka. „Prikazali smo da su metodi dubokog učenja koji koriste takve prezentacije sposobni da precizno predvide višestruke medicinske događaje iz više centara bez usklađivanja podataka na jednom mestu“, navodi se u izveštaju.
Medicinski stručnjaci su bili iznenađeni kad su videli da kompanijina veštačka inteligencija može da prikupi podatke sa rukom pisanih beleški kao i sa onih u PDF formatu, što je bilo veoma teško izvesti u prethodnim projektivnim modelima. Pri tome, tehnika koju „Gugl“ koristi mnogo je brža i preciznija od ranijih. Studija je izazvala oduševljenje i u samoj kompaniji jer bi nova procedura mogla da im otvori prolaz u vrlo unosno tržište zdravstvene zaštite, gde bi prodala svoju veštačku inteligenciju medicinskim radnicima koji su uvek u stisci sa vremenom.
Istraživanje je pokazalo da su modeli kompanije „Gugl“ uspešniji od tradicionalnih metoda u predviđanju raspona ishoda i metrike za pacijente.
Na primer, što se tiče smrtnosti hospitalizovanih pacijenata imali su rezultat od 95%, što je mnogo bolje od tradicionalnih metoda koji su bili uspešni u 86% slučajeva. Kompanija je, naravno, odbacila mogućnost da bi veštačka inteligencija mogla u potpunosti da zameni zdravstvene radnike u postavljanju dijagnoze.
„Naglašavamo da model ne služi za određivanje dijagnoze – on samo prikuplja signale o pacijentu, zapise o metodama lečenja i beleške njegovog lekara. Dakle, model više liči na pažljivog slušaoca nego na dijagnostičkog stručnjaka“, istakli su autori studije.