Az orvosi kutatók felfedezték a mesterséges intelligencia (AI) nyugtalanító képességét: megjósolják az ember korai halálát.
A tudósok nemrégiben egy AI-rendszert tanultak az Egyesült Királyságban több mint félmillió ember által benyújtott általános egészségügyi adatok évtizedének értékelésére. Ezután arra bízták az AI-t, hogy megjósolja, vajon fennáll-e az egyének korai halálának kockázata - vagyis az átlagos élettartamnál hamarabb meghalni - a krónikus betegség miatt, számoltak be egy új tanulmányban.
A korai halál előrejelzései, amelyeket az AI algoritmusok készítettek, "szignifikánsan pontosabbak", mint egy olyan gép által elért előrejelzések, amelyek nem használtak gépi tanulást. Dr. Stephen Weng vezető tanulmány szerzője, a University of Nottingham (ENSZ) az Egyesült Királyságban, mondta egy nyilatkozatában.
Az alanyok korai halálozásának valószínűségét a kutatók kétféle AI-vel tesztelték: "mély tanulás", amelyben a rétegelt információfeldolgozó hálózatok segítik a számítógépet a példákból való tanulásban; és a "véletlenszerű erdő", egy egyszerűbb típusú AI, amely több, faszerű modellt ötvöz a lehetséges eredmények megfontolására.
Ezután összehasonlították az AI modellek következtetéseit a szokásos algoritmus, az úgynevezett Cox-modell eredményeivel.
E három modell alkalmazásával a tudósok értékelték az Egyesült Királyság Biobankjában - a genetikai, fizikai és egészségügyi adatok nyílt hozzáférésű adatbázisában - szereplő adatokat, amelyeket 2006 és 2016 között több mint 500 000 ember nyújtott be. Ebben az időben a résztvevők közel 14 500 résztvevője halt meg, elsősorban rák, szívbetegségek és légzőszervi betegségek.
Különböző változók
Mindhárom modell megállapította, hogy olyan tényezők, mint az életkor, nem, a dohányzás története és a korábbi rákdiagnosztika voltak a fő változók a korai halál valószínűségének értékeléséhez. A modellek azonban más kulcsfontosságú tényezőktől eltértek, találták a kutatók.
A Cox-modell nagymértékben támaszkodott az etnikai hovatartozásra és a fizikai aktivitásra, míg a gépi tanulási modellek nem. Összehasonlításképpen, a véletlenszerű erdészeti modell nagyobb hangsúlyt fektetett a testzsírszázalékra, a derék kerületére, a gyümölcs- és zöldségmennyiségre, amelyet az emberek evett, valamint a bőr tónusára, a tanulmány szerint. A mélyreható tanulási modellben a legfontosabb tényezők a munkahelyi veszélyeknek és a levegőszennyezésnek való kitettség, az alkoholfogyasztás és bizonyos gyógyszerek használata voltak.
Amikor az összes számot összeroppanták, a mélytanulás algoritmusa a legpontosabb előrejelzéseket adott, és helyesen azonosította a vizsgálati időszakban elhunyt alanyok 76 százalékát. Összehasonlításképpen: a véletlenszerű erdőmodell helyesen jósolta meg a korai halálesetek kb. 64% -át, míg a Cox-modell csak körülbelül 44% -ot azonosított.
Nem ez az első alkalom, hogy a szakértők kihasználják az AI prediktív erejét az egészségügy területén. 2017-ben egy másik kutatócsoport bebizonyította, hogy az AI megtanulhatja felismerni az Alzheimer-kór korai jeleit; algoritmusuk az agyi vizsgálatot becsülte meg, hogy megjósolja, vajon valószínű-e az ember Alzheimer-kór kialakulása - mintegy 84 százalékos pontossággal tette ezt, a Live Science korábban számolt be.
Egy másik tanulmány azt találta, hogy az AI előre jelezheti az autizmus kialakulását 6 hónapos csecsemőknél, akiknél nagy a kockázata a rendellenesség kialakulásának. Egy újabb tanulmány a retina-letapogatás elemzésével fedezhette fel a cukorbetegség elterjedésének jeleit; és még egy - a retina vizsgálatából származó adatok felhasználásával is - előre jelezte annak valószínűségét, hogy a beteg szívrohamot vagy stroke-ot szenved.
Az új tanulmányban a tudósok bebizonyították, hogy a gépi tanulás - „óvatosan hangolva” - felhasználható a halandósági kimenetelek sikeres előrejelzésére az idő múlásával ”- nyilatkozta Joe Kai, az ENSZ alapellátási professzora, a tanulmány társszerzője.
Noha az AI ilyen módon történő használata sok egészségügyi szakember számára ismeretlen lehet, a tanulmányban alkalmazott módszerek bemutatása "elősegítheti ezen izgalmas terület tudományos igazolását és jövőbeli fejlődését" - mondta Kai.
Az eredményeket ma (március 27-én) online közzétették a PLOS ONE folyóiratban.
