Badacze medyczni odblokowali niepokojącą zdolność sztucznej inteligencji (AI): przewidywanie wczesnej śmierci danej osoby.
Naukowcy niedawno przeszkolili system AI w celu oceny dekady ogólnych danych zdrowotnych przesłanych przez ponad pół miliona osób w Wielkiej Brytanii. Następnie zlecili AI przewidywanie, czy u osób istnieje ryzyko przedwczesnego umierania - innymi słowy, wcześniej niż średnia długość życia - z powodu przewlekłej choroby - poinformowali w nowym badaniu.
Prognozy wczesnej śmierci wykonane przez algorytmy AI były „znacznie dokładniejsze” niż prognozy dostarczone przez model, który nie korzystał z uczenia maszynowego, główny autor badań dr Stephen Weng, adiunkt z epidemiologii i nauki o danych na University of Nottingham (ONZ) w Wielkiej Brytanii, powiedział w oświadczeniu.
Aby ocenić prawdopodobieństwo przedwczesnej umieralności badanych, badacze przetestowali dwa rodzaje sztucznej inteligencji: „głębokie uczenie się”, w którym warstwowe sieci przetwarzania informacji pomagają komputerowi uczyć się na przykładach; i „losowy las”, prostszy typ sztucznej inteligencji, który łączy wiele modeli podobnych do drzewa w celu rozważenia możliwych wyników.
Następnie porównali wnioski modeli AI z wynikami standardowego algorytmu, znanego jako model Coxa.
Korzystając z tych trzech modeli, naukowcy ocenili dane w brytyjskim Biobank - otwartej bazie danych danych genetycznych, fizycznych i zdrowotnych - przesłane przez ponad 500 000 osób w latach 2006–2016. W tym czasie zmarło prawie 14 500 uczestników od raka, chorób serca i chorób układu oddechowego.
Różne zmienne
Wszystkie trzy modele ustaliły, że czynniki takie jak wiek, płeć, historia palenia i wcześniejsza diagnoza raka były głównymi zmiennymi do oceny prawdopodobieństwa wczesnej śmierci danej osoby. Naukowcy odkryli, że modele różniły się od innych kluczowych czynników.
Model Coxa opierał się głównie na pochodzeniu etnicznym i aktywności fizycznej, podczas gdy modele uczenia maszynowego nie. Dla porównania, losowy model lasu położył większy nacisk na procent tkanki tłuszczowej, obwód talii, ilość owoców i warzyw, które ludzie jedli, oraz koloryt skóry, zgodnie z badaniem. W przypadku modelu głębokiego uczenia się najważniejsze czynniki obejmowały narażenie na zagrożenia związane z pracą i zanieczyszczeniem powietrza, spożycie alkoholu i stosowanie niektórych leków.
Gdy wszystkie liczby uległy ograniczeniu, algorytm głębokiego uczenia się dostarczył najdokładniejsze prognozy, poprawnie identyfikując 76 procent osób, które zmarły w okresie badania. Dla porównania losowy model lasu prawidłowo przewidział około 64 procent przedwczesnych zgonów, podczas gdy model Coxa zidentyfikował tylko około 44 procent.
To nie pierwszy raz, kiedy eksperci wykorzystali moc predykcyjną AI w służbie zdrowia. W 2017 r. Inny zespół naukowców wykazał, że AI może nauczyć się wykrywać wczesne objawy choroby Alzheimera; ich algorytm oceniał skany mózgu, aby przewidzieć, czy dana osoba prawdopodobnie zachoruje na Alzheimera, i zrobił to z około 84-procentową dokładnością, jak wcześniej informowali Live Science.
Inne badanie wykazało, że AI może przewidzieć wystąpienie autyzmu u sześciomiesięcznych dzieci, które były narażone na wysokie ryzyko rozwoju zaburzenia. Jeszcze inne badanie może wykryć objawy wnikającej cukrzycy poprzez analizę skanów siatkówki; i jeszcze jeden - wykorzystując również dane pochodzące ze skanów siatkówki - przewidywał prawdopodobieństwo wystąpienia zawału serca lub udaru u pacjenta.
W nowym badaniu naukowcy wykazali, że uczenie maszynowe - „z ostrożnym dostrajaniem” - może być wykorzystane do skutecznego przewidywania wyników śmiertelności w czasie, powiedział współautor badania Joe Kai, profesor podstawowej opieki zdrowotnej ONZ.
Chociaż korzystanie z AI w ten sposób może być nieznane wielu pracownikom służby zdrowia, przedstawienie metod zastosowanych w badaniu „może pomóc w weryfikacji naukowej i przyszłym rozwoju tej ekscytującej dziedziny” - powiedział Kai.
Odkrycia zostały opublikowane online dzisiaj (27 marca) w czasopiśmie PLOS ONE.
