AI 90% nøyaktig for å forutsi død ved hjerteinfarkt?

Del denne historien!
Når forsikringsselskaper, HMOs, medicare, etc., implementerer denne teknologien, vil pasienter se voldsom diskriminering basert på deres AI-helsepoeng; når alt kommer til alt, hvem vil selge en livsforsikring til en som snart skal dø? ⁃ TN Editor

Algoritmer som ligner på de som er brukt av Netflix og Spotify for å tilpasse tjenester er nå bedre enn menneskelige leger til å oppdage hvem som skal dø eller få hjerteinfarkt.

Maskinlæring ble brukt til å trene LogitBoost, som utviklerne sier at kan forutsi dødsfall eller hjerteinfarkt med nøyaktighet på 90 prosent.

Det ble programmert å bruke 85-variabler for å beregne risikoen for helsen til 950-pasientene som den ble matet inn skanninger og data fra.

Pasienter som klaget over smerter i brystet, ble utsatt for en rekke skanninger og tester før de ble behandlet med tradisjonelle metoder.

Dataene deres ble senere brukt til å trene algoritmen.

Den 'lærte' risikoen og hadde i løpet av den seksårige oppfølgingen 90 prosent suksessrate ved å forutsi 24 hjerteinfarkt og 49 dødsfall uansett årsak.

LogitBoost som ble programmert til å bruke 85 variabler for å beregne risikoen for en persons helse som klaget over brystsmerter. Pasienter hadde en koronar computertomografi angiografi (CCTA) skanning (bildet, lager skanning) som samlet 58 av datapunktene

Tjenester som Netflix og Spotify-systemer bruker alle algoritmer på en lignende måte for å tilpasse seg individuelle brukere og gi et mer personlig utseende.

Studieforfatteren Luis Eduardo Juarez-Orozco fra Turku PET Center, Finland, sa at disse fremskrittene går utover medisin.

Han sa: 'Disse fremskrittene er langt utover det som har blitt gjort innen medisin, hvor vi må være forsiktige med hvordan vi vurderer risiko og resultater.

'Vi har dataene, men vi bruker dem ikke fullt ut ennå.'

Leger bruker risikoscore for å ta behandlingsbeslutninger - men disse poengene er basert på bare en "håndfull" variabler hos pasienter.

Gjennom repetisjon og justering bruker maskiner store datamengder for å identifisere komplekse mønstre som ikke er synlige for mennesker.

Dr Juarez-Orozco sa: 'Mennesker har det veldig vanskelig å tenke lenger enn tre dimensjoner eller fire dimensjoner.

'I det øyeblikket vi hopper inn i den femte dimensjonen, er vi tapt.

'Studien vår viser at veldig høye dimensjonale mønstre er mer nyttige enn enkeltdimensjonale mønstre for å forutsi resultater hos individer, og for det trenger vi maskinlæring.'

Les hele historien her ...

Abonner!
Varsle om
gjest

0 Kommentar
Inline tilbakemeldinger
Se alle kommentarer