AI in de gezondheidszorg voorspelt wie voortijdig sterft

Wikia
Deel dit verhaal!
Voorspellen. Henri de Saint-Simon, de vroege vader van de technocratie, omschreef Scientism als volgt: “Een wetenschapper, mijn beste vrienden, is een man die voorziet; het is omdat de wetenschap de betekent voorspellen dat het nuttig is, en de wetenschappers zijn superieur aan alle andere mannen. "

Verzekeringsmaatschappijen zullen consumenten straffen met deze technologie, omdat ze het risico meten, vaak vals, om te bepalen wie ziek wordt met welke ziekte en wanneer ze zullen sterven. De volgende studie omvat geen DNA-analyse, maar dat komt snel genoeg. ⁃ TN Editor

Wetenschappers hebben onlangs een AI-systeem getraind om een ​​decennium van algemene gezondheidsgegevens te evalueren die door meer dan een half miljoen mensen in het Verenigd Koninkrijk zijn ingediend. Vervolgens gaven ze de AI de opdracht om te voorspellen of individuen het risico liepen voortijdig te overlijden - met andere woorden, eerder dan de gemiddelde levensverwachting - aan chronische ziekten, meldden ze in een nieuwe studie.

De voorspellingen van vroegtijdig overlijden die werden gemaakt door AI-algoritmen waren 'significant nauwkeuriger' dan voorspellingen van een model dat geen gebruik maakte van machine learning, zegt hoofdauteur Dr.Stephen Weng, een assistent-professor epidemiologie en datawetenschap aan de Universiteit van Nottingham (VN) in het VK, zei in een verklaring. [Kunnen machines creatief zijn? Maak kennis met 9 AI 'artiesten']

Om de waarschijnlijkheid van vroegtijdige sterfte van proefpersonen te beoordelen, testten de onderzoekers twee soorten AI: 'deep learning', waarin gelaagde informatieverwerkende netwerken een computer helpen om van voorbeelden te leren; en "willekeurig bos", een eenvoudiger type AI dat meerdere, boomachtige modellen combineert om mogelijke uitkomsten te overwegen.

Vervolgens vergeleken ze de conclusies van de AI-modellen met resultaten van een standaardalgoritme, bekend als het Cox-model.

Met behulp van deze drie modellen hebben de wetenschappers gegevens geëvalueerd in de UK Biobank - een open-accessdatabase van genetische, fysieke en gezondheidsgegevens - die door meer dan 500,000-mensen tussen 2006 en 2016 is ingediend. Gedurende die tijd stierf bijna 14,500 van de deelnemers, voornamelijk aan kanker, hartziekten en luchtwegaandoeningen.

Verschillende variabelen

Alle drie de modellen bepaalden dat factoren zoals leeftijd, geslacht, rookgeschiedenis en een eerdere diagnose van kanker de belangrijkste variabelen waren voor het beoordelen van de waarschijnlijkheid van een vroegtijdig overlijden. Maar de modellen liepen uiteen van andere sleutelfactoren, vonden de onderzoekers.

Het Cox-model leunde zwaar op etniciteit en lichamelijke activiteit, terwijl de modellen voor machinaal leren dat niet deden. Ter vergelijking, het willekeurige bosmodel legde meer nadruk op lichaamsvet percentage, tailleomtrek, de hoeveelheid fruit en groenten die mensen aten, en de huidskleur, volgens de studie. Voor het deep-learning model waren topfactoren blootstelling aan werkgerelateerde gevaren en luchtvervuiling, alcoholgebruik en het gebruik van bepaalde medicijnen.

Toen alle cijfers waren verwerkt, leverde het deep-learning-algoritme de meest nauwkeurige voorspellingen, waarmee 76 procent van de personen die tijdens de studieperiode stierven correct werd geïdentificeerd. Ter vergelijking: het willekeurige bosmodel voorspelde correct ongeveer 64 procent van de voortijdige sterfgevallen, terwijl het Cox-model slechts ongeveer 44 procent identificeerde.

Dit is niet de eerste keer dat experts de voorspellende kracht van AI voor de gezondheidszorg hebben benut. In 2017 heeft een ander team van onderzoekers aangetoond dat AI kan leren vroege tekenen van de ziekte van Alzheimer te herkennen; hun algoritme evalueerde hersenscans om te voorspellen of een persoon waarschijnlijk Alzheimer zou ontwikkelen, en dat deed het met een nauwkeurigheid van ongeveer 84 procent, WordsSideKick.com eerder gemeld.

Een ander onderzoek wees uit dat AI kon voorspellen het begin van autisme bij 6-maanden oude baby's met een hoog risico op het ontwikkelen van de aandoening. Nog een andere studie kon detecteren tekenen van aantasting van diabetes door analyse van retinascans; en nog een - ook met behulp van gegevens afkomstig van retinale scans - voorspelde de waarschijnlijkheid dat een patiënt een hartaanval of beroerte.

Lees hier het hele verhaal ...

Inschrijven
Melden van
gast

0 Heb je vragen? Stel ze hier.
Inline feedbacks
Bekijk alle reacties