AI i helsevesenet spår hvem som vil dø for tidlig

Wikia
Del denne historien!
Spå. Henri de Saint-Simon, den tidlige faren til Technocracy, definerte Scientism: ”En forsker, mine kjære venner, er en mann som forutsier; det er fordi vitenskap gir betyr å forutsi at det er nyttig, og forskerne er overlegne alle andre menn. ”

Forsikringsselskaper vil straffe forbrukerne med denne teknologien da de måler risiko, ofte falskt, for å avgjøre hvem som vil bli syk med hvilken sykdom og når de skal dø. Følgende studie inkluderer ikke DNA-analyse, men den vil komme snart nok. ⁃ TN Editor

Forskere trente nylig et AI-system for å evaluere et tiår med generelle helsedata sendt inn av mer enn en halv million mennesker i Storbritannia. Deretter oppgav de AI å forutsi om individer risikerte å dø for tidlig - med andre ord, raskere enn gjennomsnittlig levealder - av kronisk sykdom, rapporterte de i en ny studie.

Forutsigelsene om tidlig død som ble gjort av AI-algoritmer var "betydelig mer nøyaktige" enn spådommer levert av en modell som ikke brukte maskinlæring, ledet studieforfatter Dr. Stephen Weng, assisterende professor i epidemiologi og datavitenskap ved University of Nottingham (FN) i Storbritannia, sa i en uttalelse. [Kan maskiner være kreative? Møt 9 AI-artister]

For å vurdere sannsynligheten for forsøkspersoner for tidlig dødelighet, testet forskerne to typer AI: "dyp læring", der lagvis informasjonsbehandlingsnettverk hjelper en datamaskin til å lære av eksempler; og "random forest", en enklere type AI som kombinerer flere, trelignende modeller for å vurdere mulige resultater.

Deretter sammenlignet de AI-modellens konklusjoner med resultater fra en standardalgoritme, kjent som Cox-modellen.

Ved hjelp av disse tre modellene evaluerte forskerne data i UK Biobank - en åpen tilgangsdatabase med genetiske, fysiske og helsedata - sendt inn av mer enn 500,000 personer mellom 2006 og 2016. I løpet av den tiden døde nesten 14,500 av deltakerne, først og fremst av kreft, hjertesykdommer og luftveissykdommer.

Ulike variabler

Alle tre modellene bestemte at faktorer som alder, kjønn, røyking og en tidligere kreftdiagnose var toppvariabler for å vurdere sannsynligheten for en persons tidlige død. Men modellene divergerte over andre viktige faktorer, fant forskerne.

Cox-modellen lente seg tungt på etnisitet og fysisk aktivitet, mens maskinlæringsmodellene ikke gjorde det. Til sammenligning la den tilfeldige skogmodellen større vekt på kroppsfettprosent, midjeomkrets, mengden frukt og grønnsaker som folk spiste, og hudfarge, ifølge studien. For den dype læringsmodellen inkluderte toppfaktorer eksponering for arbeidsrelaterte farer og luftforurensning, alkoholinntak og bruk av visse medisiner.

Når alt antall knusing ble gjort, leverte dybdelæringsalgoritmen de mest nøyaktige spådommene, og identifiserte 76 prosent av forsøkspersonene som døde i løpet av studietiden. Til sammenligning spådde den tilfeldige skogmodellen riktig om lag 64 prosent av for tidlige dødsfall, mens Cox-modellen bare identifiserte omtrent 44 prosent.

Dette er ikke første gang eksperter utnytter AIs prediktive kraft for helsevesenet. I 2017 demonstrerte et annet team av forskere at AI kunne lære å oppdage tidlige tegn på Alzheimers sykdom; deres algoritme evaluerte hjerneskanninger for å forutsi om en person sannsynligvis vil utvikle Alzheimers, og det gjorde det med omtrent 84 prosent nøyaktighet, Live Science tidligere rapportert.

En annen studie fant at AI kunne forutsi begynnelsen av autisme hos 6 måneder gamle babyer som hadde en høy risiko for å utvikle lidelsen. Nok en studie kunne oppdage tegn på inngrep diabetes gjennom analyse av netthinneskanninger; og en til - også ved bruk av data hentet fra netthinneskanninger - spådde sannsynligheten for at en pasient skulle oppleve en hjerteinfarkt eller hjerneslag.

Les hele historien her ...

Abonner!
Varsle om
gjest

0 kommentarer
Inline tilbakemeldinger
Se alle kommentarer