Tehisintellekti kasutamine suremuse ennustamiseks
Uued uuringud, mis ilmuvad ajakirjas PLOS ONE soovitab, et masinõpe võib olla väärtuslik vahend enneaegse surma ohu ennustamiseks. Teadlased võrdlesid tehisintellekti ennustamise täpsust statistiliste meetodite täpsusega, mida eksperdid praegu meditsiiniuuringutes kasutavad.
Järjest suurem hulk hiljutisi uuringuid viitab sellele, et arvutialgoritmid ja tehisintellekti (AI) õppimine võivad osutuda meditsiinimaailmas väga kasulikuks.
Näiteks mõni kuu tagasi ilmunud uuring näitas, et sügava õppe algoritmid suudavad Alzheimeri tõve algust täpselt ennustada juba 6 aastat ette.
Niinimetatud koolituse andmekogumi abil saavad sügava õppe algoritmid „õpetada ennast“ ennustama, kas ja millal mõni sündmus tõenäoliselt toimub.
Nüüd on teadlased asunud uurima, kas masinõpe võimaldab täpselt ennustada krooniliste haiguste põhjustatud enneaegset suremust.
Uut uuringut juhtis Stephen Weng, kes on Ühendkuningriigi Nottinghami ülikooli epidemioloogia ja andmeteaduse dotsent.
Kuidas tehisintellekt aitaks ennetavat ravi
Weng ja tema kolleegid uurisid terviseandmeid enam kui poole miljoni inimese kohta vanuses 40–69 aastat. Osalejad olid registreerunud Ühendkuningriigi biopanga uuringus ajavahemikul 2006–2010. Suurbritannia biopanga uuringu teadlased jälgisid osalejaid kliiniliselt kuni 2016. aastani.
Praeguse uuringu jaoks töötasid Weng ja meeskond välja õppimisalgoritmide süsteemi, kasutades kahte mudelit, mida nimetatakse juhuslikuks metsaks ja sügavaks õppimiseks. Nad kasutasid mudeleid kroonilise haiguse tõttu enneaegse surma ohu ennustamiseks.
Teadlased uurisid nende mudelite ennustatavat täpsust ja võrdlesid neid tavapäraste ennustusmudelitega, näiteks “Coxi regressiooni” analüüs ja mitmemõõtmeline Coxi mudel.
"Kaardistasime saadud prognoosid kohordi suremuse andmetele, kasutades riikliku statistika büroo surmajuhtumeid, Ühendkuningriigi vähiregistrit ja haiglaepisoodide statistikat," selgitab uuringu juhtivteadur.
Uuringust selgus, et Coxi regressioonimudel oli ennatliku surma ennustamisel kõige vähem täpne, samas kui mitmemõõtmeline Coxi mudel oli veidi parem, kuid tõenäoliselt ennustas see surmaohtu.
Üldiselt olid "masinõppe algoritmid surma ennustamisel oluliselt täpsemad kui inimeksperdi väljatöötatud standardsed ennustusmudelid," teatab Weng. Teadlane kommenteerib ka leidude kliinilist olulisust.
Ta ütleb: "Ennetav tervishoid on raskete haiguste vastases võitluses üha olulisem prioriteet, seega oleme terve aasta töötanud selle nimel, et parandada elanikkonna terviseprobleemide arvutipõhist täpsust."
"Enamik rakendusi keskendub ühele haiguspiirkonnale, kuid surma ennustamine mitme erineva haiguse tagajärje tõttu on väga keeruline, eriti arvestades neid mõjutada võivaid keskkonnaalaseid ja individuaalseid tegureid."
"Oleme selles valdkonnas teinud olulise sammu edasi, töötades välja ainulaadse ja tervikliku lähenemisviisi inimese enneaegse surma ohu ennustamiseks masinõppega."
Stephen Weng
"See kasutab arvuteid uute riskiprognoosimudelite loomiseks, mis võtavad arvesse iga hinnatava indiviidi laias valikus demograafilisi, biomeetrilisi, kliinilisi ja elustiili mõjutavaid tegureid, isegi kui nad tarbivad toidus puuvilju, köögivilju ja liha päevas," selgitab Weng.
Lisaks kinnitavad teadlased, et uue uuringu tulemused tugevdavad varasemaid tulemusi, mis näitasid, et teatud AI-i algoritmid ennustavad südamehaiguste riski paremini kui tavapärased ennustusmudelid, mida kardioloogid praegu kasutavad.
"Praegu tuntakse suurt huvi potentsiaali üle kasutada" tehisintellekti "või" masinõpet "tervisetulemuste paremaks ennustamiseks. Mõnes olukorras võime leida, et see aitab, teises aga mitte.Sel konkreetsel juhul oleme näidanud, et hoolika häälestamise abil saavad need algoritmid ennustust kasulikumalt parandada, ”ütleb uuringu kallal töötanud kliiniline akadeemik prof Joe Kai.
Ta jätkab: „Need meetodid võivad olla paljude jaoks terviseuuringutes uued ja neid on raske järgida. Usume, et nendest meetoditest selgelt ja läbipaistvalt teatades võib see aidata selle põneva tervishoiuvaldkonna teaduslikku kontrollimist ja edasist arengut. "
