AI 90% Nauwkeurig voor het voorspellen van Death By Heart Attack?

Deel dit verhaal!
Wanneer verzekeringsmaatschappijen, HMO's, medicijnen, enz., Deze technologie implementeren, zien patiënten ongebreidelde discriminatie op basis van hun AI-gezondheidsscore; wie zou tenslotte een levensverzekering verkopen aan iemand die binnenkort zal sterven? ⁃ TN Editor

Algoritmen die vergelijkbaar zijn met die van Netflix en Spotify om services aan te passen, zijn nu beter dan menselijke artsen in het spotten van wie zal sterven of een hartaanval krijgt.

Machine learning werd gebruikt om LogitBoost te trainen, waarvan de ontwikkelaars zeggen dat ze dood- of hartaanvallen kunnen voorspellen met 90 procentnauwkeurigheid.

Het was geprogrammeerd om 85-variabelen te gebruiken om het risico voor de gezondheid van de 950-patiënten te berekenen dat het scans en gegevens kreeg.

Patiënten die klaagden over pijn op de borst werden onderworpen aan een groot aantal scans en tests voordat ze volgens traditionele methoden werden behandeld.

Hun gegevens werden later gebruikt om het algoritme te trainen.

Het 'leerde' de risico's en had tijdens de zesjarige follow-up een slagingspercentage van 90 procent bij het voorspellen van 24 hartaanvallen en 49 sterfgevallen door welke oorzaak dan ook.

LogitBoost die was geprogrammeerd om 85 variabelen te gebruiken om risico's voor de gezondheid van een persoon te berekenen die klaagde over pijn op de borst. Patiënten hadden een coronaire computertomografie-angiografie (CCTA) -scan (afgebeeld, voorraadscan) die 58 van de gegevenspunten verzamelde

Diensten zoals Netflix en Spotify-systemen gebruiken allemaal algoritmen op een vergelijkbare manier om zich aan individuele gebruikers aan te passen en een meer gepersonaliseerde uitstraling te bieden.

Auteur van de studie, dr. Luis Eduardo Juarez-Orozco, van het Turku PET Center, Finland, zei dat deze vooruitgang verder gaat dan de geneeskunde.

Hij zei: 'Deze vooruitgang gaat veel verder dan wat er in de geneeskunde is gedaan, waar we voorzichtig moeten zijn met de manier waarop we risico's en resultaten evalueren.

'We hebben de data, maar we gebruiken ze nog niet optimaal.'

Artsen gebruiken risicoscores om behandelbeslissingen te nemen, maar deze scores zijn gebaseerd op slechts een 'handvol' variabelen bij patiënten.

Door herhaling en aanpassing gebruiken machines grote hoeveelheden gegevens om complexe patronen te identificeren die voor mensen niet evident zijn.

Dr Juarez-Orozco zei: 'Mensen hebben het heel moeilijk om verder te denken dan drie dimensies of vier dimensies.

'Op het moment dat we in de vijfde dimensie springen, zijn we verloren.

'Onze studie toont aan dat zeer hoog-dimensionale patronen nuttiger zijn dan eendimensionale patronen om uitkomsten bij individuen te voorspellen en daarvoor hebben we machine learning nodig.'

Lees hier het hele verhaal ...

Inschrijven
Melden van
gast

0 Comments
Inline feedbacks
Bekijk alle reacties