Медичні дослідники розкрили неспокійну здатність штучного інтелекту (ШІ): передбачення ранньої смерті людини.
Нещодавно вчені провели підготовку системи ШІ для оцінки десятиліття загальних даних про стан здоров’я, поданих більш ніж півмільйона людей у Великобританії. Потім вони доручили ШІ передбачити, чи ризикують люди передчасно померти - іншими словами, раніше, ніж середня тривалість життя - від хронічного захворювання, вони повідомили в новому дослідженні.
Прогнози ранньої смерті, зроблені за алгоритмами AI, були "значно більш точними", ніж прогнози, зроблені за моделлю, яка не використовувала машинне навчання, провідний автор дослідження доктор Стівен Венг, доцент кафедри епідеміології та науки даних в університеті У заяві йдеться про Ноттінгем (ООН) у Великобританії.
Щоб оцінити ймовірність передчасної смертності випробовуваних, дослідники перевірили два типи ШІ: "глибоке навчання", в якому багатошарові мережі для обробки інформації допомагають комп'ютеру вчитися на прикладах; і "випадковий ліс", простіший тип ШІ, який поєднує в собі кілька моделей, подібних до дерева, щоб врахувати можливі результати.
Потім вони порівняли висновки моделей ШІ з результатами стандартного алгоритму, відомого як модель Кокса.
Використовуючи ці три моделі, вчені оцінили дані у біобанку Великої Британії Великобританії - базі даних про генетичні, фізичні та медичні дані з відкритим доступом - представлені більш ніж 500 000 людей між 2006 та 2016 роками. За цей час майже 14 500 учасників померли, в першу чергу від раку, хвороб серця та респіраторних захворювань.
Різні змінні
Всі три моделі визначили, що такі фактори, як вік, стать, історія паління та попередній діагноз раку, були головними змінними для оцінки ймовірності ранньої смерті людини. Але дослідники виявили, що моделі розходяться над іншими ключовими факторами.
Модель Кокса сильно орієнтувалася на етнічну приналежність та фізичну активність, тоді як моделі машинного навчання цього не робили. Для порівняння, згідно з дослідженням, випадкова лісова модель робила більшу увагу на відсоток жиру в тілі, окружність талії, кількість фруктів та овочів, які їли люди, та тон шкіри, згідно з дослідженням. Для моделі глибокого навчання основними факторами були вплив небезпек, пов'язаних з роботою та забрудненням повітря, вживання алкоголю та використання певних ліків.
Коли все чисельне скорочення було зроблено, алгоритм глибокого навчання дав найточніші прогнози, правильно визначивши 76 відсотків суб'єктів, які померли протягом періоду дослідження. Для порівняння, випадкова лісова модель правильно передбачила близько 64 відсотків передчасної смерті, тоді як модель Кокса визначила лише близько 44 відсотків.
Це не перший раз, коли експерти застосовують передбачувальну силу АІ щодо охорони здоров'я. У 2017 році інша команда дослідників продемонструвала, що ШІ може навчитися визначати ранні ознаки хвороби Альцгеймера; їх алгоритм оцінював сканування мозку, щоб передбачити, чи вірогідно людина розвине Альцгеймера, і це зробили з точністю близько 84 відсотків, раніше повідомляла Live Science.
В іншому дослідженні було встановлено, що ШІ може передбачити виникнення аутизму у 6-місячних дітей, які мали високий ризик розвитку розладу. Ще одне дослідження могло виявити ознаки посягання на діабет за допомогою аналізу сканування сітківки; і ще одне - також за допомогою даних, отриманих за допомогою сканування сітківки - передбачило ймовірність того, що пацієнт переживе інфаркт або інсульт.
У новому дослідженні вчені продемонстрували, що машинне навчання - "при ретельному налаштуванні" - може бути використане для успішного прогнозування результатів смертності у часі, заявив у своїй заяві співавтор дослідження Джо Кай, професор первинної медичної допомоги ООН.
Хоча використання ШІ таким способом може бути незнайомим багатьом медичним працівникам, презентація методів, які використовуються в дослідженні, "може допомогти в науковій верифікації та подальшому розвитку цієї захоплюючої галузі", - сказав Кай.
Отримані результати були опубліковані в Інтернеті сьогодні (27 березня) у журналі PLOS ONE.
