Медицинските изследователи са отключили смущаваща способност в изкуствения интелект (AI): предсказване на ранната смърт на човек.
Наскоро учените обучиха AI система за оценка на десетилетие на общи здравни данни, предоставени от повече от половин милион души в Обединеното кралство. Тогава те възложиха на AI да прогнозират дали хората са изложени на риск да умрат преждевременно - с други думи, по-рано от средната продължителност на живота - от хронично заболяване, съобщават в ново проучване.
Прогнозите за ранна смърт, които бяха направени чрез алгоритмите на AI, бяха "значително по-точни" от прогнозите, предоставени по модел, който не използва машинно обучение, водещият автор на изследването д-р Стивън Венг, доцент по епидемиология и наука за данни в Университета на Нотингем (ООН) във Великобритания, се казва в изявление.
За да оценят вероятността от преждевременна смъртност на субектите, изследователите изпробваха два вида AI: „задълбочено обучение“, при което многопластови мрежи за обработка на информация помагат на компютъра да се учи от примери; и "произволна гора", по-прост тип AI, който комбинира множество модели, подобни на дърво, за да се вземат предвид възможните резултати.
След това те сравниха изводите на моделите на AI с резултатите от стандартен алгоритъм, известен като модел на Кокс.
Използвайки тези три модела, учените оцениха данните в Обединеното кралство Biobank - база данни с отворен достъп до генетични, физически и здравни данни - предоставени от над 500 000 души между 2006 г. и 2016 г. През това време близо 14 500 от участниците са починали, предимно от рак, сърдечни заболявания и респираторни заболявания.
Различни променливи
И трите модела определят, че фактори като възраст, пол, история на тютюнопушенето и предишна диагноза рак са основни променливи за оценка на вероятността от ранна смърт на човек. Но моделите се разминават с други ключови фактори, откриха изследователите.
Моделът на Кокс се опира силно на етническа принадлежност и физическа активност, докато моделите на машинно обучение не го правят. За сравнение, случайният модел на гората е поставил по-голям акцент върху процента на телесните мазнини, обиколката на талията, количеството плодове и зеленчуци, които са яли хората, и тонуса на кожата, според проучването. За модела на задълбочено обучение топ факторите включват излагане на опасности, свързани с работата и замърсяване на въздуха, прием на алкохол и употреба на определени лекарства.
Когато беше направено цялото разбиване на броя, алгоритъмът за задълбочено обучение даде най-точните прогнози, като правилно идентифицира 76 процента от починалите през периода на изследването. За сравнение, случайният горски модел правилно прогнозира около 64 процента от преждевременна смърт, докато моделът на Кокс идентифицира едва около 44 процента.
Това не е първият път, когато експертите са използвали прогнозната сила на AI за здравеопазване. През 2017 г. различен екип от изследователи демонстрира, че AI може да се научи да открива ранните признаци на болестта на Алцхаймер; алгоритъмът им оценява мозъчните сканирания, за да предскаже дали човек вероятно ще развие Алцхаймер, и това го направи с около 84 процента точност, съобщи преди това Live Science.
Друго проучване установи, че AI може да предскаже появата на аутизъм при 6-месечни бебета, които са изложени на висок риск от развитие на разстройството. Още едно изследване би могло да открие признаци на посегателство срещу диабет чрез анализ на сканиране на ретината; и още едно - също използвайки данни, получени от сканиране на ретината - предсказва вероятността пациентът да преживее сърдечен удар или инсулт.
В новото проучване учените демонстрират, че машинното обучение - "с внимателна настройка" - може да се използва за успешно прогнозиране на резултатите от смъртността във времето, съавторът на проучването Джо Кай, професор по първична грижа на ООН, се казва в изявлението.
Въпреки че използването на AI по този начин може да е непознато за много здравни специалисти, представянето на методите, използвани в проучването, "би могло да помогне за научна проверка и бъдещо развитие на тази вълнуваща област", каза Кай.
Резултатите бяха публикувани онлайн днес (27 март) в списание PLOS ONE.
