Σύστημα τεχνητής νοημοσύνης της Google βρίσκει τα εστιατόρια όπου μπορεί να πάθετε τροφική δηλητηρίαση

Σύστημα τεχνητής νοημοσύνης της Google βρίσκει τα εστιατόρια όπου μπορεί να πάθετε τροφική δηλητηρίαση

«Οι τροφικές δηλητηριάσεις είναι συχνές και στέλνουν χιλιάδες ανθρώπους στα επείγοντα των νοσοκομείων κάθε χρόνο», αναφέρει η επιστημονική δημοσίευση.

Ποιο εστιατόριο θα ήταν καλό να αποφύγει κανείς, επειδή υπάρχουν αυξημένες πιθανότητες να πάθει τροφική δηλητηρίαση; Ένα νέο σύστημα τεχνητής νοημοσύνης, που ανέπτυξαν ερευνητές της Google, έχει την απάντηση και είναι μάλιστα πιο ακριβές από άλλες πιο παραδοσιακές μεθόδους, όπως τα παράπονα στα κοινωνικά δίκτυα ή οι έλεγχοι των υγειονομικών αρχών.

Το «έξυπνο» σύστημα αναλύει τις έρευνες των χρηστών στη μηχανή αναζήτησης της Google, οι οποίες έχουν σχέση με τροφική δηλητηρίαση (π.χ. «στομαχόπονος», «διάρροια» κ.α.). Στη συνέχεια χρησιμοποιεί το GPS στις συσκευές των κινητών τηλεφώνων των χρηστών για να συσχετίσει τα στοιχεία και να εντοπίσει τους μη ασφαλείς χώρους εστίασης όπου είναι πιθανότερο να πάθει κάποιος τροφική δηλητηρίαση.

Οι ερευνητές της Google και της Σχολής Δημόσιας Υγείας του Πανεπιστημίου Χάρβαρντ, με επικεφαλής τον καθηγητή Ασίς Τζα, που έκαναν τη σχετική δημοσίευση στο περιοδικό ψηφιακής ιατρικής «npj Digital Medicine», δοκίμασαν το νέο «έξυπνο» σύστημα μηχανικής μάθησης στο Σικάγο και στο Λας Βέγκας.

Διαπιστώθηκε ότι το σύστημα τεχνητής νοημοσύνης μπορούσε να εντοπίσει ένα μεγαλύτερο ποσοστό δυνητικά επικίνδυνων εστιατορίων (52,3%), από ό,τι αν βασιζόταν κανείς στα παράπονα άλλων καταναλωτών (39,4%) ή στους ελέγχους ρουτίνας των αρμόδιων υπηρεσιών (μόνο 22,7%).

«Οι τροφικές δηλητηριάσεις είναι συχνές, δαπανηρές και στέλνουν χιλιάδες ανθρώπους στα επείγοντα των νοσοκομείων κάθε χρόνο. Η νέα τεχνική που αναπτύχθηκε από τη Google, μπορεί να βοηθήσει τα εστιατόρια και τις τοπικές υπηρεσίες υγείας να βρίσκουν πιο γρήγορα τις πηγές των προβλημάτων, προτού εξελιχθούν σε μεγαλύτερα προβλήματα δημόσιας υγείας» δήλωσε ο Δρ. Τζα, διευθυντής του Ινστιτούτου Παγκόσμιας Υγείας του Χάρβαρντ.

Είναι αξιοσημείωτο ότι σε αρκετές περιπτώσεις που εντόπισε το σύστημα (38%), το εστιατόριο που πιθανότατα ήταν υπεύθυνο για την τροφική δηλητηρίαση δεν ήταν το πιο πρόσφατο που είχε επισκεφθεί ο χρήστης, ο οποίος έκανε σχετικές αναζητήσεις στη Google. Οι ερευνητές ανέφεραν ότι αυτό είναι σημαντικό, επειδή -όπως έχουν δείξει άλλες μελέτες- οι άνθρωποι τείνουν να κατηγορούν, συχνά άδικα, το τελευταίο εστιατόριο που επισκέφθηκαν, ενώ στην πραγματικότητα ένοχο μπορεί να είναι π.χ. το προτελευταίο. Οι τροφικές δηλητηριάσεις ορισμένες φορές χρειάζονται 48 ώρες ή ακόμη περισσότερο για να εκδηλώσουν κάποια αισθητά συμπτώματα, συνεπώς ο καταναλωτής μπορεί να λανθασμένα να πιστέψει ότι φταίει το τελευταίο εστιατόριο που είχε επισκεφθεί.

«Με τη νέα αυτή μελέτη, έχουμε απλώς αγγίξει την επιφάνεια των όσων μπορούμε να καταφέρουμε στο νέο πεδίο της επιδημιολογίας μηχανικής μάθησης. Μπορούμε πλέον να χρησιμοποιήσουμε online δεδομένα για να κάνουμε επιδημιολογικές παρατηρήσεις σε σχεδόν πραγματικό χρόνο, πράγμα που δίνει νέες δυνατότητες στο να βελτιώσουμε σημαντικά τη δημόσια υγεία με τρόπο έγκαιρο και όχι δαπανηρό», δήλωσε ο ερευνητής της Google Εβγκένι Γαβρίλοβιτς. Μάλιστα, τη νέα μελέτη χρηματοδότησε και το Κέντρο Ελέγχου και Πρόληψης Νοσημάτων (ΚΕΕΛΠΝΟ) των ΗΠΑ.

Σύνδεσμος για την επιστημονική δημοσίευση: https://www.nature.com/articles/s41746-018-0045-1