Používanie umelej inteligencie na predpovedanie úmrtnosti
Nový výskum, ktorý sa objavuje v časopise PLOS ONE naznačuje, že strojové učenie môže byť cenným nástrojom na predpovedanie rizika predčasnej smrti. Vedci porovnali presnosť predpovedí umelej inteligencie s presnosťou štatistických metód, ktoré odborníci v súčasnosti používajú v lekárskom výskume.
Stále väčšie množstvo nedávnych výskumov naznačuje, že počítačové algoritmy a učenie umelej inteligencie (AI) sa môžu v lekárskom svete ukázať ako veľmi užitočné.
Napríklad štúdia, ktorá sa objavila pred niekoľkými mesiacmi, zistila, že algoritmy hlbokého učenia dokážu presne predpovedať nástup Alzheimerovej choroby už 6 rokov vopred.
Pomocou takzvaného „súboru údajov o tréningu“ sa môžu algoritmy hlbokého učenia „naučiť sami“, aby predpovedali, či a kedy je pravdepodobné, že dôjde k udalosti.
Teraz sa vedci rozhodli preskúmať, či strojové učenie dokáže presne predpovedať predčasnú úmrtnosť spôsobenú chronickým ochorením.
Nový výskum viedol Stephen Weng, ktorý je odborným asistentom epidemiológie a vedy o údajoch na University of Nottingham vo Veľkej Británii.
Ako by AI mohla pomôcť preventívnej starostlivosti
Weng a kolegovia skúmali zdravotné údaje o viac ako pol milióne ľudí vo veku od 40 do 69 rokov. Účastníci sa zaregistrovali do štúdie UK Biobank v rokoch 2006 až 2010. Vedci štúdie UK Biobank klinicky sledovali účastníkov až do roku 2016.
Pre túto štúdiu Weng a tím vyvinuli systém algoritmov učenia pomocou dvoch modelov nazývaných „random forest“ a „deep learning“. Pomocou týchto modelov predpovedali riziko predčasného úmrtia na chronické ochorenie.
Vedci skúmali prediktívnu presnosť týchto modelov a porovnávali ich s konvenčnými predikčnými modelmi, ako je napríklad „Coxova regresia“ a viacrozmerný Coxov model.
„Výsledné predpovede sme mapovali na údaje o úmrtnosti z kohorty pomocou štatistických údajov o úmrtí Úradu národnej štatistiky, britského registra rakoviny a štatistík„ epizód nemocníc “,“ vysvetľuje vedúci výskumník štúdie.
Štúdia zistila, že Coxov regresný model bol najmenej presný pri predpovedaní predčasnej smrti, zatiaľ čo multivariačný Coxov model bol o niečo lepší, ale pravdepodobne predpovedal riziko úmrtia.
Celkovo „algoritmy strojového učenia boli pri predpovedaní smrti podstatne presnejšie ako štandardné predikčné modely vyvinuté ľudským expertom,“ uvádza Weng. Vedec tiež komentuje klinický význam zistení.
Hovorí: „Preventívna zdravotná starostlivosť je čoraz väčšou prioritou v boji proti závažným chorobám, preto už niekoľko rokov pracujeme na zlepšení presnosti počítačového hodnotenia zdravotných rizík u bežnej populácie.“
„Väčšina aplikácií sa zameriava na jednu oblasť ochorenia, ale predpovedanie smrti v dôsledku niekoľkých rôznych výsledkov ochorenia je veľmi zložité, najmä vzhľadom na environmentálne a individuálne faktory, ktoré ich môžu ovplyvňovať.“
"V tejto oblasti sme urobili významný krok vpred tým, že sme vyvinuli jedinečný a holistický prístup k predpovedaniu rizika predčasnej smrti človeka pomocou strojového učenia."
Stephen Weng
„Týmto sa pomocou počítačov vytvárajú nové modely predpovedania rizík, ktoré zohľadňujú širokú škálu demografických, biometrických, klinických a životných faktorov každého posudzovaného jednotlivca, dokonca aj jeho stravu, ovocie, zeleninu a mäso za deň,“ vysvetľuje Weng.
Vedci ďalej tvrdia, že výsledky novej štúdie posilňujú predchádzajúce zistenia, ktoré ukazujú, že určité algoritmy AI sú lepšie pri predpovedaní rizika srdcových chorôb ako bežné predikčné modely, ktoré v súčasnosti používajú kardiológovia.
„V súčasnosti je intenzívny záujem o potenciál využiť„ AI “alebo„ strojové učenie “na lepšiu predikciu zdravotných výsledkov. V niektorých situáciách môžeme zistiť, že to pomáha, v iných nie. V tomto konkrétnom prípade sme preukázali, že pri starostlivom vyladení môžu tieto algoritmy užitočne zlepšiť predikciu, “hovorí profesor Joe Kai, klinický akademik, ktorý na štúdii tiež pracoval.
Ďalej pokračuje: „Tieto techniky môžu byť pre mnohých vo výskume zdravia nové a je ťažké ich sledovať. Veríme, že prehľadným hlásením týchto metód transparentným spôsobom by to mohlo pomôcť pri vedeckom overení a budúcom rozvoji tejto vzrušujúcej oblasti pre zdravotníctvo. “
