Алгоритмы ИИ показывают большую точность при прогнозировании преждевременной смерти

Уровень нашей смертности может быть непростой задачей. Вы хотите знать, когда вы умрете, если вам доступна эта информация? Возможно, это не точная дата, но вы хотите знать, готовы ли вы умереть до достижения среднего возраста?

Например, для меня это не имеет смысла. Я не особо хочу знать, но у меня есть друг, который уже преодолел шансы: он выжил после рака. Так что его шансы увеличились. Показать алгоритмы Искусственный интеллект Теперь больше точности в определении ранней смерти. Хотя мне может быть легче определить мою позицию, это может быть не следующий человек, но ИИ по-прежнему способен Это более точно, чем существующие методы.

Алгоритмы ИИ показывают большую точность в предсказаниях ранней смерти

ИИ предсказывает преждевременную смерть с большей точностью

Медицинские исследователи во главе с доктором Стивеном Вонгом, доцентом кафедры эпидемиологии и науки о данных Ноттингемского университета в Великобритании, обучили систему искусственного интеллекта для оценки данных о здоровье более полумиллиона человек в Великобритании, а затем Они использовали прогнозы, чтобы увидеть, подвержены ли люди повышенному риску преждевременной смерти от хронических заболеваний.

Как я уже сказал, мой друг болел раком шесть лет назад. Десять лет назад мог ли ИИ предсказать, что он болен этой болезнью или что я, скорее всего, умру от этой болезни на раннем этапе?

По словам Винга, прогнозы, сделанные ИИ относительно преждевременной смерти, были «намного более точными», чем использовавшиеся ранее методы.

Для оценки вероятности преждевременной смерти использовались два типа искусственного интеллекта: «глубокое обучение» и «случайные джунгли». Глубокое обучение происходит, когда компьютер использует многоуровневые сети обработки информации, чтобы учиться на примерах. Случайный лес объединяет несколько древовидных моделей, чтобы определить одно и то же.

Алгоритмы ИИ показывают большую точность в предсказаниях ранней смерти

Затем результаты методов глубокого обучения и случайного леса сравнивались со стандартным алгоритмом, используемым для определения преждевременной смерти: моделью Кокса.

Генетические, физические данные и данные о состоянии здоровья из базы данных открытого доступа Биобанка Великобритании были оценены исследователями с использованием трех моделей. Эта база данных включала около 14500 2006 человек, умерших, в большинстве случаев от рака, болезней сердца и респираторных заболеваний, с 2016 по XNUMX годы.

Возраст, пол, история курения и предыдущий диагноз рака были важными переменными при определении того, умрет ли человек преждевременно, согласно трем алгоритмам.

Но алгоритмы иначе смотрели на другие переменные. Модель Кокса фокусировалась на расе и физической активности, а ИИ - нет.

В случайном лесу AI уделял большое внимание процентному содержанию жира, окружности талии, количеству съеденных фруктов и овощей и цвету кожи. Искусственный интеллект с глубоким обучением изучал подверженность профессиональным рискам и загрязнению воздуха, а также принимал во внимание алкоголь и некоторые лекарства.

При сравнении трех алгоритмов глубокое обучение оказалось наиболее точным. Он правильно идентифицировал 76 процентов людей, умерших в течение десятилетия исследования. Случайный лес был точен для 65 процентов людей, в то время как модель Кокса была точной для примерно 44 процентов людей.

ИИ заслуживает доверия

Это не единственный случай, когда ИИ точно предсказывает результаты в области здравоохранения. Его использовали для выявления ранних признаков болезни Альцгеймера, аутизма, диабета, сердечного приступа и инсульта.

Теперь, когда мы знаем, что ИИ может точно предсказывать преждевременную смерть, что это нас оставляет? Хотим ли мы это узнать, чтобы реализовать наши списки ведер? Вы хотите, чтобы ИИ рассказывал вам о ваших шансах преждевременно умереть? Поделитесь своими мыслями по этому поводу в комментариях ниже.

Источник
Перейти к верхней кнопке