Искусственный интеллект может предсказать риск преждевременной смерти

Искусственный интеллект может значительно повысить точность прогнозирования преждевременной смерти по сравнению со стандартными моделями, сообщают исследователи из Ноттингемского университета.

Недавно группа ученых провела обучение на двух моделях искусственного интеллекта (ИИ), исследуя результаты десятилетних исследований о здоровье находящихся в открытом доступе чтобы предсказать риск преждевременной смерти человека от хронического заболевания.

Искусственный интеллект улучшит жизнь

Самая продвинутая модель ИИ точно идентифицировала людей с риском преждевременной смерти в 76% случаев, в то время как обычная модель правильно предсказывала только 44% случаев.

Машинное обучение значительно улучшило точность прогнозирования преждевременной смертности от всех причин в этой группе населения среднего возраста по сравнению со стандартными методами ».

В исследовании приняли участие 502 628 участников (в возрасте от 40 до 69 лет), которые представили данные в британский биобанк в период с 2006 по 2010 год. Использовались два типа ИИ для оценки риска преждевременной смертности участников.

Новости медицины на медицинском портале

Одним из типов было «глубокое обучение», где многоуровневая обработка информации позволяет компьютеру учиться на примерах. Другим был алгоритм, который включал в себя комбинацию нескольких разветвленных моделей, разработанных для учета различных возможных результатов.

Результаты, полученные с помощью моделей ИИ, сравнивались с результатами, полученными с помощью стандартного алгоритма, называемого моделью пропорциональных рисков Кокса, который связывает время выживания с отдельными ковариатами.

Все три модели определили такие факторы, как возраст, пол, предыдущий диагноз рака и история курения в качестве важных переменных при оценке риска преждевременной смерти. Тем не менее, ключевые различия были замечены в том, как модели расставили приоритеты для других факторов.

Модель Кокса была в основном сфокусирована на этнической принадлежности и физической активности, в то время как 2-я модель отдавала предпочтение проценту жира в организме, окружности талии, потреблению фруктов и овощей и тону кожи.

Алгоритм глубокого обучения отдает приоритет загрязнению воздуха и опасностям, связанным с работой, употреблению алкоголя и употреблению определенных лекарств.

В течение периода исследования умерли почти 14 500 участников, главным образом в результате болезней сердца, респираторных заболеваний и рака.

ся в журнале  Public Library of Science, модель глубокого обучения точно определила риск преждевременной смерти для 76% пациентов, умерших в течение периода исследования, тогда как другой алгоритм выявил 64%, а модель Кокса — только 44%.

Ученые говорят, что исследование представляет собой важный шаг вперед в этой области, предоставляя новый и целостный подход к прогнозированию риска преждевременной смерти с помощью машинного обучения.

Соавтор Джо Кай говорит, что хотя методы могут быть незнакомы многим работникам здравоохранения, они «могут помочь с научной проверкой и будущим развитием этой захватывающей области».

Это исследование иллюстрирует ценность машинного обучения для прогнозирования риска в рамках традиционного плана эпидемиологического исследования и того, как этот подход может быть представлен для содействия научной проверке».

Еще больше новостей медицины на сайте Збибиз!