Когда страховые компании, ОПЗ, медицинские учреждения и т. Д. Внедряют эту технологию, пациенты увидят безудержную дискриминацию, основанную на их оценке состояния ИИ; в конце концов, кто продаст полис страхования жизни тому, кто скоро умрет? ⁃ TN Editor
Алгоритмы, аналогичные тем, которые используются Netflix и Spotify для настройки услуг, теперь лучше, чем человеческие врачи, определяют, кто умрет или перенес инфаркт.
Машинное обучение использовалось для обучения LogitBoost, который, по словам его разработчиков, может предсказывать смерть или сердечные приступы с точностью до 90.
Он был запрограммирован на использование переменных 85 для расчета риска для здоровья пациентов 950, от которых он получал сканы и данные.
Пациенты, жалующиеся на боль в груди, были подвергнуты множеству сканирований и тестов перед лечением традиционными методами.
Их данные были позже использованы для обучения алгоритма.
Он «узнал» о рисках и в течение шестилетнего периода наблюдения с 90-процентной вероятностью предсказал 24 сердечных приступа и 49 смертей по любой причине.
LogitBoost, который был запрограммирован на использование 85 переменных для расчета рисков для здоровья человека, который жаловался на боль в груди. Пациентам была проведена коронарная компьютерная томографическая ангиография (CCTA) (на фото, стандартное сканирование), в ходе которой было собрано 58 точек данных.
Такие сервисы, как системы Netflix и Spotify, используют алгоритмы аналогичным образом, чтобы адаптироваться к отдельным пользователям и предлагать более персонализированный вид.
Автор исследования доктор Луис Эдуардо Хуарес-Орозко из Турку ПЭТ Центра, Финляндия, сказал, что эти достижения выходят за рамки медицины.
Он сказал: «Эти достижения намного превосходят то, что было сделано в медицине, где нам нужно быть осторожными при оценке риска и результатов.
«У нас есть данные, но мы еще не используем их в полной мере».
Врачи используют шкалу риска для принятия решения о лечении, но эти оценки основаны лишь на «горстке» переменных у пациентов.
Посредством повторения и корректировки машины используют большие объемы данных, чтобы идентифицировать сложные шаблоны, невидимые для человека.
Доктор Хуарес-Ороско сказал: «Людям очень трудно думать дальше трех или четырех измерений.
«В тот момент, когда мы прыгаем в пятое измерение, мы теряемся.
«Наше исследование показывает, что очень многомерные паттерны более полезны, чем одномерные паттерны для прогнозирования результатов у людей, и для этого нам нужно машинное обучение».
wpDiscuz