Naukowcy opracowali MedExpMem - system sztucznej inteligencji, który uczy się z poprzednich przypadków klinicznych, aby wspierać lekarzy w postawianiu prawidłowych diagnoz. Zamiast polegać wyłącznie na statycznych modelach wytrenowanych wcześniej, platforma dynamicznie adaptuje się do specyfiki każdego pacjenta, gromadząc i wykorzystując doświadczenie z rzeczywistych sytuacji diagnostycznych. To podejście ma szansę znacząco zwiększyć dokładność diagnoz, szczególnie w przypadkach trudnych, gdzie kilka chorób wykazuje podobne objawy.
Diagnostyka różnicowa - proces eliminowania możliwych przyczyn objawów, aby dotrzeć do właściwej diagnozy - to jedno z najtrudniejszych wyzwań w medycynie. Nawet doświadczeni lekarze czasami mylą się, zwłaszcza gdy inne choroby przysłaniają właściwy obraz kliniczny. MedExpMem rozwiązuje ten problem poprzez systematyczne budowanie bazy wiedzy z poprzednich przypadków - system zapamiętuje, jakie objawy w połączeniu z którymi wynikami badań ostatecznie prowadziły do konkretnych diagnoz. W praktyce oznacza to, że im więcej pacjentów przechodzi przez system, tym bardziej staje się on inteligentny i trafny.
Technologia ta ma ogromny potencjał dla szpitali i przychodni, gdzie każdy dzień przynosi wiele trudnych diagnostycznie przypadków. Zamiast rozpoczynać każde podejście od zera, lekarze mogą wspomagać się wiedzą zgromadzoną z tysięcy wcześniejszych pacjentów - ale zawsze w kontekście ich indywidualnych cech i historii medycznej. To może zmienić sposób, w jaki pracują diagnosty i internistów, redukując zarówno błędy diagnostyczne, jak i niepotrzebne badania.