يمكن أن يكون معدل وفياتنا موضوعًا صعبًا. هل تريد أن تعرف متى تموت إذا كانت هذه المعلومات متاحة لك؟ ربما ليس تاريخًا محددًا ، لكن هل تريد معرفة ما إذا كنت مستعدًا للموت قبل العمر المتوسط؟
على سبيل المثال ، بالنسبة لي ، هذا أمر غير منطقي. لا أريد أن أعرف بشكل خاص ، لكن لدي صديق سبق أن تغلبت على الصعاب: حيث أنه ناجٍ من السرطان. لذلك زادت فرصه. تُظهر خوارزميات الذكاء الاصطناعي الآن مزيدًا من الدقة في تحديد الموت المبكر. على الرغم من أنه قد يكون من الأسهل تحديد موقفي ، فقد لا يكون ذلك هو الشخص التالي ، لكن الذكاء الاصطناعى لا يزال قادرًا على تحديد ذلك بدقة أكثر من الطرق الحالية.
الذكاء الاصطناعي يتوقع الوفاة المبكرة بمزيد من الدقة
قام باحثون طبيون ، بقيادة الدكتور ستيفن ونغ ، أستاذ مساعد في علم الأوبئة وعلوم البيانات في جامعة نوتنغهام في المملكة المتحدة ، بتدريب نظام الذكاء الاصطناعي لتقييم البيانات الصحية لأكثر من نصف مليون شخص في المملكة المتحدة ، ثم استخدموا التنبؤ لمعرفة ما إذا كان الناس أكثر عرضة لخطر الوفاة المبكرة من الأمراض المزمنة.
لقد أصيب صديقي بالسرطان منذ ست سنوات كما قلت. قبل عشر سنوات ، هل كان بوسع الذكاء الاصطناعي أن يتوقع بأنه مصاب بهذا المرض أو أني كنت أكثر عرضة للموت مبكراً بسبب المرض؟
كانت التنبؤات التي حددها الذكاء الاصطناعي حول الوفاة المبكرة “أكثر دقة بكثير” من الأساليب السابقة التي تم إستخدامها، وفقًا لوينج.
تم استخدام نوعين من الذكاء الاصطناعي لتقييم احتمال الوفاة المبكرة: “التعلم العميق” و “الغابة العشوائية”. يحدث التعلم العميق عندما يستخدم الكمبيوتر شبكات معالجة المعلومات ذات الطبقات للتعلم من الأمثلة. تجمع الغابة العشوائية بين عدة نماذج تشبه الأشجار لتحديد نفس الشيء.
ثم تمت مقارنة نتائج التعلم العميق وأساليب الغابات العشوائية بالخوارزمية القياسية المستخدمة لتحديد الوفاة المبكرة: نموذج Cox.
تم تقييم البيانات الجينية والمادية والصحية من قاعدة بيانات الوصول المفتوح لبنك المملكة المتحدة الحيوي من قبل الباحثين باستخدام النماذج الثلاثة. تضمنت قاعدة البيانات هذه حوالي 14500 شخص ماتوا ، في معظم الحالات بسبب السرطان وأمراض القلب وأمراض الجهاز التنفسي ، من عام 2006 إلى عام 2016.
كان العمر والجنس وتاريخ التدخين والتشخيص المسبق للسرطان متغيرات مهمة في تحديد ما إذا كان الشخص سيموت قبل الأوان ، وفقًا للخوارزميات الثلاثة.
لكن الخوارزميات نظرت إلى متغيرات أخرى بشكل مختلف. ركز نموذج Cox على العرق والنشاط البدني ، في حين أن AI لم يفعل ذلك.
وضعت الغابة العشوائية لـ AI أهمية على نسبة الدهون ومحيط الخصر وكمية الفاكهة والخضروات التي يتم تناولها ولون البشرة. نظر الذكاء الاصطناعي للتعلم العميق في التعرض للمخاطر المرتبطة بالوظيفة وتلوث الهواء ، كما أخذ في الاعتبار تناول الكحول وبعض الأدوية.
عندما تمت مقارنة الخوارزميات الثلاثة ، كان التعلم العميق هو الأكثر دقة. حددت بشكل صحيح 76 في المئة من الناس الذين لقوا حتفهم خلال عقد الدراسة. كانت الغابة العشوائية دقيقة مع 65 في المائة من الناس ، بينما كان نموذج Cox دقيقًا مع حوالي 44 في المائة من الناس.
الذكاء الاصطناعي جدير بالثقة
هذه ليست الأوقات الوحيدة التي كان فيها الذكاء الاصطناعي دقيق في التنبؤ بنتائج الرعاية الصحية. وقد تم استخدامه لتحديد العلامات المبكرة لمرض الزهايمر والتوحد ومرض السكري والنوبات القلبية والسكتة الدماغية.
والآن بعد أن علمنا أن الذكاء الاصطناعى يمكنه التنبؤ بدقة بالموت المبكر ، أين يتركنا هذا؟ هل هذا شيء نريد أن نعرفه حتى نتمكن من تنفيذ قوائم الجردل الخاصة بنا؟ هل تريد من الذكاء الاصطناعي أن يخبرك عن فرصك في الموت قبل الأوان؟ أضف أفكارك حول هذا إلى التعليقات أدناه.