Folosirea inteligenței artificiale pentru a prezice mortalitatea
Noi cercetări care apar în revistă PLUS UNU sugerează că învățarea automată poate fi un instrument valoros pentru prezicerea riscului de deces prematur. Oamenii de știință au comparat precizia predicției inteligenței artificiale cu cea a metodelor statistice pe care experții le folosesc în prezent în cercetarea medicală.
O cantitate din ce în ce mai mare de cercetări recente sugerează că algoritmii de calculator și învățarea inteligenței artificiale (AI) se pot dovedi extrem de utile în lumea medicală.
De exemplu, un studiu care a apărut în urmă cu câteva luni a constatat că algoritmii de învățare profundă pot prezice cu precizie debutul bolii Alzheimer cu 6 ani înainte.
Folosind așa-numitul „set de date de antrenament”, algoritmii de învățare profundă se pot „învăța singuri” să prezică dacă și când este posibil să apară un eveniment.
Acum, cercetătorii și-au propus să examineze dacă învățarea automată poate prezice cu precizie mortalitatea prematură din cauza bolilor cronice.
Stephen Weng, care este profesor asistent de epidemiologie și știința datelor la Universitatea din Nottingham din Regatul Unit, a condus noua cercetare.
Cum AI ar putea ajuta la îngrijirea preventivă
Weng și colegii săi au examinat datele de sănătate pentru mai mult de jumătate de milion de persoane cu vârste cuprinse între 40 și 69 de ani. Participanții s-au înregistrat la studiul Biobank din Marea Britanie între 2006 și 2010. Cercetătorii studiului UK Biobank au urmărit clinic participanții până în 2016.
Pentru studiul actual, Weng și echipa au dezvoltat un sistem de algoritmi de învățare folosind două modele numite „pădure aleatorie” și „învățare profundă”. Ei au folosit modelele pentru a prezice riscul de deces prematur din cauza bolilor cronice.
Oamenii de știință au examinat acuratețea predictivă a acestor modele și le-au comparat cu modelele convenționale de predicție, cum ar fi analiza „regresia Cox” și un model Cox multivariat.
„Am cartografiat predicțiile rezultate la datele de mortalitate din cohortă utilizând înregistrările de decese ale Oficiului Național de Statistică, registrul cancerului din Marea Britanie și statisticile„ episoadelor de spital ”, explică cercetătorul principal al studiului.
Studiul a constatat că modelul de regresie Cox a fost cel mai puțin precis la prezicerea morții premature, în timp ce modelul Cox multivariat a fost ușor mai bun, dar era probabil să prevadă un risc de deces prea mare.
În general, „algoritmii de învățare automată au fost semnificativ mai exacți în prezicerea morții decât modelele standard de predicție dezvoltate de un expert uman”, relatează Weng. Cercetătorul comentează, de asemenea, semnificația clinică a descoperirilor.
El spune, „Asistența medicală preventivă este o prioritate în creștere în lupta împotriva bolilor grave, așa că lucrăm de câțiva ani pentru a îmbunătăți precizia evaluării computerizate a riscului pentru sănătate în populația generală”.
Majoritatea aplicațiilor se concentrează pe o singură zonă de boală, dar prezicerea decesului din cauza mai multor rezultate diferite ale bolii este extrem de complexă, în special având în vedere factorii de mediu și individuali care le pot afecta.
„Am făcut un pas major înainte în acest domeniu, dezvoltând o abordare unică și holistică pentru a prezice riscul de deces prematur al unei persoane prin învățarea automată.”
Stephen Weng
„Aceasta folosește computerele pentru a construi noi modele de predicție a riscurilor care iau în considerare o gamă largă de factori demografici, biometrici, clinici și de stil de viață pentru fiecare individ evaluat, chiar și consumul lor zilnic de fructe, legume și carne pe zi”, explică Weng.
Mai mult, spun cercetătorii, rezultatele noului studiu întăresc descoperirile anterioare, care au arătat că anumiți algoritmi AI sunt mai buni în prezicerea riscului bolilor de inimă decât modelele convenționale de predicție pe care cardiologii le folosesc în prezent.
„În prezent, există un interes intens în potențialul de a utiliza„ AI ”sau„ învățare automată ”pentru a prezice mai bine rezultatele asupra sănătății. În unele situații, putem găsi că ajută, în altele, nu. În acest caz, am arătat că, cu o reglare atentă, acești algoritmi pot îmbunătăți în mod util predicția ”, spune prof. Joe Kai, un academic clinic care a lucrat și la studiu.
El continuă, „Aceste tehnici pot fi noi pentru mulți în cercetarea sănătății și dificil de urmat. Credem că raportând în mod clar aceste metode într-un mod transparent, acest lucru ar putea ajuta la verificarea științifică și la dezvoltarea viitoare a acestui domeniu interesant pentru asistența medicală. ”
