การเลือกวิธีรักษาให้เหมาะสมกับอาการและสภาพร่างกายของผู้ป่วยนั้นเป็นหนึ่งในความท้าทายทางการแพทย์ โดยเฉพาะผู้ป่วยที่อยู่ในภาวะวิกฤต จะดีแค่ไหนหากมีระบบที่สามารถให้คำแนะนำแก่แพทย์ได้อย่างรวดเร็วและแม่นยำผ่านการวิเคราะห์ข้อมูล
ระบบปัญญาประดิษฐ์ในครั้งนี้มีจุดเริ่มต้นมาจากอาการแพ้พริกอย่างที่ไม่เคยเป็นมาก่อนของมารดาของ Harini Suresh เด็กหญิงซึ่งเติบโตมาเป็นหนึ่งในสมาชิกของ Computer Science and Artificial Intelligence Lab (CSAIL) ณ MIT จากเหตุการณ์นั้น งานวิจัยของเธอจึงมุ่งเป้าไปที่การพัฒนาเทคโนโลยีการแพทย์เฉพาะบุคคล โดยเฉพาะในห้อง ICU ที่ทุกวินาทีอาจหมายถึงความตายหรือการมีชีวิตรอดของผู้ป่วย
ในงานวิจัยล่าสุดของเธอนั้น Suresh ได้ใช้เทคนิค deep learning ซึ่งอาศัยพลังความเร็วในการประมวลผลจาก GPU เพื่อทำนายว่าผู้ป่วยต้องการการรักษาในรูปแบบต่างๆหรือไม่ โดยโมเดลดังกล่าวนี้จะนำข้อมูลรายชั่วโมงเช่น ความดัน อัตราการเต้นของหัวใจ และระดับน้ำตาลในเลือด มาวิเคราะห์ร่วมกับข้อมูลส่วนตัวของผู้ป่วยเช่น เพศ และอายุ
ระบบ ICU Intervene ดังกล่าวถูกสอนให้สามารถเชื่อมโยงปัจจัย เช่น อ้ตราการเต้นของหัวใจและความเข้มข้นของอ๊อกซิเจนในเลือด ไปยังการรักษาในรูปแบบที่ต่างกันด้วยข้อมูลของการรักษาผู้ป่วย ICU 34,000 ครั้ง โดยทางทีมวิจัยได้อาศัยพลังการ GPU GeForce TITAN X และ cuDNN ของ NVIDIA ในการเทรนและวางระบบประมวลผลจริง
ด้วยการหาความเชื่อมโยงภายในข้อมูลเช่นนี้ ระบบจึงสามารถแนะนำแพทย์ได้ว่าผู้ป่วยแต่ละคนนั้นต้องการเทคนิคการรักษาแบบใด เช่น การใช้เครื่องช่วยหายใจ หรือการเพิ่มความดัน ได้อย่างรวดเร็วทันการณ์ และนี้มันยังสามารถทำนายได้อีกว่าจะต้องเลิกการรักษานั้นๆตอนไหน โดยสามารถทำนายล่วงหน้าได้ถึง 6 ชั่วโมงเพื่อช่วยในการวางแผนการรักษา
นอกไปจากนี้แล้ว อีกความสามารถหนึ่งที่สำคัญไม่แพ้กันของ ICU Intervene คือการระบุได้ว่าเหตุผลในการแนะนำ(ทำนาย)การรักษารูปแบบใดรูปแบบหนึ่งนั้นมีผลมาจากปัจจัยใดบ้าง ซึ่งจะทำให้แพทย์เข้าใจและนำข้อมูลเหล่านั้นไปประกอบกับดุลยพินิจส่วนตัวได้
แผนการต่อไปของระบบนี้คือการเพิ่มความ”เฉพาะบุคคล”ให้กับคำแนะนำ และพัฒนาการให้เหตุผลของระบบให้มีความซับซ้อนยิ่งขึ้น ซึ่งหากระบบสามารถทำนายด้วยเหตุผลที่ซับซ้อนและอธิบายเหตุผลเหล่านั้นออกมาให้แพทย์เข้าใจได้ง่ายเมื่อไหร่ การนำไปใช้ในห้อง ICU จริงคงเกิดขึ้นไม่นานจากนั้นนัก
