ИИ в здравоохранении предсказывает, кто умрет преждевременно

Викия
Пожалуйста, поделитесь этой историей!
Прогнозировать. Анри де Сен-Симон, один из первых отцов технократии, дал определение сайентизма: «Ученый, мои дорогие друзья, - это человек, который предвидит; это потому, что наука предоставляет значит предсказать что это полезно, и что ученые превосходят всех остальных людей ».

Страховые компании будут наказывать потребителей этой технологией, поскольку они измеряют риск, часто ложно, чтобы определить, кто заболеет каким заболеванием и когда он умрет. Следующее исследование не включает анализ ДНК, но это произойдет достаточно скоро. ⁃ TN Editor

Ученые недавно обучили систему искусственного интеллекта оценивать данные за общее состояние здоровья, представленные более чем полумиллионом человек в Соединенном Королевстве за десятилетие Затем они поставили перед ИИ задачу предсказать, есть ли у людей риск преждевременной смерти - другими словами, раньше, чем средняя ожидаемая продолжительность жизни - от хронического заболевания, сообщили они в новом исследовании.

Прогнозы ранней смерти, сделанные с помощью алгоритмов искусственного интеллекта, были «значительно более точными», чем прогнозы, полученные с помощью модели, не использующей машинное обучение, - сообщил ведущий автор исследования доктор Стивен Венг, доцент кафедры эпидемиологии и науки о данных Университета Ноттингем (ООН) в Великобритании, говорится в заявлении. [Могут ли машины быть креативными? Познакомьтесь с 9 AI-артистами]

Чтобы оценить вероятность преждевременной смерти субъектов, исследователи протестировали два типа ИИ: «глубокое обучение», в котором многоуровневые сети обработки информации помогают компьютеру учиться на примерах; и «случайный лес», более простой тип ИИ, который объединяет несколько древовидных моделей для рассмотрения возможных результатов.

Затем они сравнили выводы моделей ИИ с результатами стандартного алгоритма, известного как модель Кокса.

Используя эти три модели, ученые оценили данные в британском биобанке - базе данных открытого доступа о генетических, физических данных и данных о здоровье - представленной более чем 500,000 людьми между 2006 и 2016. За это время почти 14,500 участников умерли, в основном, от рака, болезней сердца и респираторных заболеваний.

Различные переменные

Все три модели определили, что такие факторы, как возраст, пол, история курения и предыдущий диагноз рака, были главными переменными для оценки вероятности ранней смерти человека. Но исследователи обнаружили, что модели расходятся по другим ключевым факторам.

Модель Кокса в значительной степени опиралась на этническую принадлежность и физическую активность, а модели машинного обучения - нет. Для сравнения, модель случайного леса сделала больший акцент на процентное содержание телесного жира, окружность талии, количество фруктов и овощей, которые съели люди, и тон кожи, согласно исследованию. Для модели глубокого обучения главные факторы включали подверженность риску, связанному с работой, и загрязнение воздуха, потребление алкоголя и использование определенных лекарств.

Когда все вычисления были выполнены, алгоритм глубокого обучения дал наиболее точные прогнозы, правильно идентифицируя 76 процентов субъектов, которые умерли в течение периода исследования. Для сравнения, модель случайного леса правильно предсказала около 64 процента преждевременных смертей, в то время как модель Кокса определила только около 44 процента.

Это не первый случай, когда эксперты используют предсказательную силу искусственного интеллекта для здравоохранения. В 2017 году другая группа исследователей продемонстрировала, что ИИ может научиться определять ранние признаки болезни Альцгеймера; их алгоритм оценивал сканирование мозга, чтобы предсказать, может ли человек заболеть болезнью Альцгеймера, и это было сделано с точностью около 84 процентов, Live Science Ранее сообщалось.

Другое исследование показало, что ИИ может предсказать наступление аутизма у детей 6-месячного возраста, у которых был высокий риск развития расстройства. Еще одно исследование может обнаружить признаки заражения диабетом путем анализа сетчатки сканирования; и еще один - также с использованием данных, полученных из сканирования сетчатки - предсказал вероятность того, что пациент испытывает сердечный приступ или инсульт.

Прочитайте полную историю здесь…

Подписаться
Уведомление о
гость
0 Комментарии
Встроенные отзывы
Посмотреть все комментарии