Algorytmy komputerowe potrafią nauczyć się przewidywać przedwczesną śmierć – wynika z badań brytyjskich naukowców. Takie zastosowanie sztucznej inteligencji może znacznie poprawić profilaktykę zdrowotną.
Naukowcy z University of Nottingham zajmujący się analizą danych dotyczących opieki zdrowotnej opracowali specjalne algorytmy bazujące na technologii uczenia maszynowego. Wszystko po to, by przewidzieć ryzyko przedwczesnej śmierci z powodu przewlekłych chorób w dużej populacji.
W testach badacze zaobserwowali, że stworzony przez nich system sztucznej inteligencji był bardzo dokładny w swoich prognozach i działał lepiej niż obecne standardowe podejście opracowane przez ekspertów.
Badanie zostało opublikowane na łamach pisma „PLOS ONE”.
Zespół naukowców wykorzystał dane dotyczące zdrowia pochodzące od ponad pół miliona osób w wieku od 40 do 69 lat. Dane zostały zebrane w latach 2006–2010 i kontynuowano je do 2016 roku.
- Medycyna prewencyjna ma coraz większy priorytet w walce z poważnymi chorobami. Od wielu lat pracujemy, by poprawić dokładność komputerowej oceny ryzyka zdrowotnego w ogólnej populacji. Większość aplikacji koncentruje się na jednym obszarze choroby, ale przewidywanie śmierci z powodu kilku różnych czynników jest wysoce złożone, zwłaszcza biorąc pod uwagę czynniki środowiskowe i indywidualne, które mogą na nie wpływać – powiedział dr Stephen Weng, główny autor publikacji.
- Zrobiliśmy duży krok naprzód w tej dziedzinie. Opracowaliśmy unikalne podejście do przewidywania ryzyka przedwczesnej śmierci za pomocą systemów samouczących się. Wykorzystujemy komputery do tworzenia nowych modeli przewidywania ryzyka, które uwzględniają szeroki zakres demograficzny, czynniki biometryczne, kliniczne i związane ze stylem życia dla każdej ocenianej osoby. Modele są tak dokładne, że uwzględniają nawet spożycie owoców, warzyw i mięsa dziennie przez daną osobę – dodał Weng.
Zespół naukowców prześledził dane dotyczące śmiertelność, rejestry zachorowań na nowotwory, a nawet ilość przyjęć do szpitala i porównał je z wynikami podawanymi przez system sztucznej inteligencji. Badacze zauważyli, że algorytmy były znacznie dokładniejsze w przewidywaniu zgonu, niż standardowe modele prognostyczne.
Modele systemów samouczących się zastosowane w tym badaniu są określane głębokie uczenie maszynowe. Badacze zastosowali także metodę statystyczną znaną jako losowy las (random forest). Obie metody zostały zestawione z tradycyjnym modelem przewidywania tzw. modelem regresji Coxa opartym na wieku i płci - uznanym za najmniej dokładny w przewidywaniu śmiertelności - a także z modelem wielowymiarowym Coxa, który działał lepiej, ale ma tendencję do nadmiernego przewidywania ryzyka.
- Obecnie istnieje duże zainteresowanie możliwością wykorzystania sztucznej inteligencji lub uczenia maszynowego w celu lepszego przewidywania wyników zdrowotnych. W niektórych sytuacjach może się to okazać pomocne, w innych nie. W tym konkretnym przypadku pokazaliśmy, że przy starannym dostrojeniu algorytmy mogą znacznie poprawić skuteczność – powiedział Joe Kai, współautor publikacji.
- Te techniki mogą być nowe dla wielu osób zajmujących się badaniami nad zdrowiem i trudne do śledzenia. Wierzymy jednak, że dzięki jasnemu raportowaniu tych metod w przejrzysty sposób, może to pomóc w naukowej weryfikacji i przyszłym rozwoju tej ekscytującej dziedziny – dodał Kai.
Naukowcy z University of Nottingham przewidują, że sztuczna inteligencja odegra istotną rolę w medycynie spersonalizowanej. Mają nadzieję na pomoc w opracowaniu skutecznych narzędzi predykcyjnych umożliwiających rozwijanie tej gałęzi. Dalsze badania wymagają weryfikacji i walidacji opracowanych algorytmów sztucznej inteligencji na innych grupach populacji i zbadania sposobów wdrożenia tych systemów do rutynowej opieki zdrowotnej.
Źródło: University of Nottingham,
