Bằng cách phần tích các kết quả chụp CT của 48 bệnh nhân, thuật toán trí thông minh nhân tạo deep learning của các nhà khoa học tại Đại học Adelaide đã có thể dự đoán được thời điểm tử vong của các bệnh nhân trong vòng 5 năm với độ chính xác lên tới 69% và theo nhóm nghiên cứu thì tỷ lệ này gần như tương tự với tỷ lệ dự đoán của các bác sĩ. Vậy là không chỉ được dùng để chẩn đoán nhiều căn bệnh như ung thư vú, ung thư da,… mà bây giờ, AI đã có thể biết luôn khi nào bạn chết và ai dám chắc, liệu tương lai nó sẽ thay thế luôn cả các bác sĩ hay không. 

Theo người dẫn đầu nghiên cứu, bác sĩ Luke Oakden-Rayner tại Đại học Adelaide thì nghiên cứu lần này mặc dù có vẻ hơi thảm khốc hoặc đáng sợ nhưng lại có thể giúp các bác sĩ có thể hiểu biết rõ hơn về tình hình bệnh nhân, từ đó đưa ra xử lý thích hợp: “Việc dự đoán tương lai của bệnh nhân alf rất hữu ích bởi nó có thể cho phép các bác sĩ lập phác đồ điệu trị hữu hiệu cho từng bệnh nhân. Thay vì phải tập trung vào việc chẩn đoán bệnh, hệ thống tự động có thể dự đoán kết quả y khoa theo một cách mà các bác sĩ chưa hề được dạy làm bằng cách kết hợp giữa khối lượng lớn dữ liệu với khả năng phát hiện ra dấu hiệu một cách tinh vi.”
 

AI có thể phát hiện ra các vấn đề trong tim và phổi, từ đó đưa ra dự đoán về cái chết của bệnh nhân​

Trong nghiên cứu, các nhà khoa học đã dùng hệ thống để tìm kiếm dấu hiệu của những căn bệnh như tràn khí hoặc các hội chứng về tim mạch như nghẽn mạch máu. Hệ thống deep learning đã được “dạy” để phân tích hơn 16 ngàn hình ảnh nội tạng con người có khả năng chứa dấu chỉ của những căn bệnh. Kết quả, bác sĩ Oakden-Rayner cho biết hệ thống đã có khả năng phân tích sâu và nhanh một cách đáng ngạc nhiên trong việc phát hiện bệnh mặc dù “vẫn còn một số thứ đòi hỏi huấn luyện phụ thêm từ chuyên gia con người.”
‘
Tuy nhiên, thay vì phát triển ra một hệ thống chẩn đoán bệnh lạnh lùng và tàn nhẫn, nhóm nghiên cứu sử dụng hệ thống AI để hình thành nên một nền tảng cơ bản nhằm chẩn đoán tình hình sức khỏe con người nói chung chứ không phát hiện ra một căn bệnh cụ thể nào đó. Mặt khác, họ còn muốn “thúc đẩy việc thường xuyên thu thập nhằm hình thành nên cơ sở dữ liệu hình ảnh, đặc biệt là các nguồn hình ảnh X quang, CT với độ phân giải cao hoặc dữ liệu y khoa chất lượng cao.” Nói cách khác, mục tiêu cuối cùng của họ là khích lệ tiến hành nhiều xét nghiệm hình ảnh nhằm cải thiện kết quả của các hệ thống chẩn đoán trong tương lai. 

Oakden-Rayner khẳng định: “Nghiên cứu của chúng tôi đã mở ra một hướng đi mới của việc ứng dụng công nghệ trí thông minh nhân tạo vào lĩnh vực phân tích hình ảnh, và có thể một ngày nào đó cung cấp thêm hy vọng cho việc phát hiện sớm những căn bệnh nguy hiểm vốn trước đây đòi hỏi nhiều thủ pháp chuyên dụng mang đầy sự xâm lấn.”