Influenza szezon van, és sokan idegesen pillantunk rá, hogy valaki köhögjön vagy szimatoljon a közelben. De hogyan kerüljük el a nyilvános tüsszögés elkerülése mellett a fertőzésekkel való érintkezést?
Kiderült, hogy az agyunk meglehetősen finoman beállítva, hogy más emberek betegségeit is kimutatja. Az új kutatások azt sugallják, hogy a finom arcjelzések néhány órával azután, hogy megfogják őket, figyelmeztetnek minket a fertőzésekre. Ez a kutatás egy napon segíthetne az AI rendszerek kiképzésében a betegségek kimutatására is.
A Proceedings of the Royal Society B folyóiratban közzétett tanulmány 16 egészséges önkéntest vett fel, és különböző időpontokban injektálták őket placebóval és egyfajta E. coli baktériummal, amelyek influenza-szerű tüneteket okoztak. Az önkénteseket, akik nem tudták, milyen injekciót kaptak, minden lövés után két órával fényképezték. Ezeket a fényképeket ezután 62 résztvevőnek mutatták be, akiket arra kérték, hogy döntsék el, hogy a képen szereplő személy egészséges vagy beteg-e. Ezeknek a résztvevőknek azért kellett megítélniük, hogy csak öt másodpercig nézték meg a fényképet.
A résztvevők csak az idő 52% -át tudták kimutatni egy beteg embert, alig jobb, mint a véletlen. De az egészséges személyt az idő 70 százalékában fedezték fel. A betegség megítélésével kapcsolatos arcvonások között szerepeltek a vörösebb szemek, a tompabőr, a duzzadt arc, a szája és a szemhéjak, valamint a szemhéjak és a sápadtabb bőr. A beteg fényképeket szintén fáradtabbnak ítélték meg.
"Arra számítottuk, hogy az emberek jobbak lesznek, mint a véletlen a betegek felismerésében, ám 100% -kal nem messze, mivel csak néhány másodpercre engedélyeztek fotót" - mondja John Axelsson, a stockholmi egyetem professzora és társa a tanulmány szerzője. "Arra számítunk, hogy az emberek sokkal jobbak lesznek, ha valódi interakcióba léphetnek valakivel, majd más jelzéseket is használhatnak, például biológiai mozgást, szagot stb."
A kutatást korlátozta a vizsgálat kis mérete és az a tény, hogy az összes önkéntes kaukázusi és egészséges volt - mondja Axelsson. További kutatásokra van szükség a különféle etnikai csoportok, korosztály és a krónikus rendellenességekkel küzdő személyek megvizsgálására. További kutatások potenciálisan azonosíthatnak a betegség és egészség megítélése szempontjából fontos további tulajdonságokat a tanulmányban meghatározottakon túl. További kutatások azt is megmutathatják, hogy másképp kezeljük-e az embereket, akik betegnek tűnnek.
E korlátozások ellenére Axelsson reméli, hogy a betegség nem verbális jeleinek jobb megértése segíthet az orvosoknak a diagnózis javításában. A tanulmány által azonosított betegségjeleket szintén egy napon „valószínűleg” használják az AI-k képzésében a betegség kimutatására, bár ez nem része az Axelsson kutatásának.
Más nemrégiben végzett kutatások azt mutatták, hogy mennyi finom arcvonás és mozgás képes felfedni egészségi és mentális állapotunkat - mondja Mark Frank, a New York-i Állami Egyetemen a Buffalo Egyetem kommunikációs professzora, aki az arckifejezéseket tanulmányozza. Bizonyos apró arcmozgások jelenléte vagy hiánya olyan rendellenességeket jelezhet, mint például a Bell's Palsy vagy az agydaganatok. A mikroexpressziók - amelyek a múló gyakran túl gyorsan megjelennek a tudatunkon - felfedhetik a skizofréniát, vagy azt, hogy a depresszióban szenvedő személy gyógyul-e vagy sem.
"A szemhéj finom mozgásai kimutathatják a fáradtságot, sőt megjósolhatják, mikor a járművezető nagyobb valószínűséggel ütközik a járművébe" - mondja Frank.
Frank hangsúlyozni fogja, hogy megértsük, amit arcunk mond az egészségünkről. Az AI segítheti az embereket valós idejű elemzésben és döntéshozatalban, ami különösen fontos lehet, ha az embereket „túl sok információ elárasztja”.
Elképzelhető egy betegséget felderítő AI, amelyet például a repülőtereken használnak, például másodpercenként több ezer arc beolvasásával. A világ egyes részeinek repülőterei már használnak hőmérsékletszkennert a potenciálisan beteg egyének eltávolítására; az AI javíthatja ezt a technológiát a láz nélkül betegek azonosítására. Az ilyen technológiák valószínűleg felvetették a magánélet védelmével kapcsolatos aggodalmakat, valamint vitákat arról, hogy valamennyire hatékonyak-e a elszigetelési stratégiákként.
A fejlesztők már számos ideghálózaton dolgoznak - olyan rendszereken, amelyek hatalmas mennyiségű adat elemzésével önállóan tanulnak -, hogy a betegség jeleit korábban vagy jobban észleljék, mint az emberek képesek. A legfrissebb példák között szerepel egy mellkasi röntgenfelvétel leolvasására és a tüdőgyulladás diagnosztizálására szolgáló algoritmus, az AI a korai tüdődaganatok CT-letapogatáson történő észlelésére, valamint a vakságot okozó szembetegségek korai jeleinek keresésére szolgáló Google-technológia. De ahhoz, hogy egy neurális hálózat megtanuljon, meg kell mondani, mit kell keresni. Ami azt jelenti, hogy az embereknek meg kell tanítaniuk. Ami azt jelenti, hogy az embereknek tudniuk kell. Az olyan vizsgálatok, mint az Axelssoné, amelyek megmutatják, milyen arcváltozások kapcsolódnak a betegséghez, eszközöket adhatnak az embereknek a tanításhoz.
Időközben most már tudod, hogy távol tartózkodj az óvatosan lebegő szemhéjú emberektől (bár talán csak fáradtak). Még jobb, ha csak influenzalelőzést kap.
