Amikor a biztosítótársaságok, a HMO-k, a gyógyszerek stb. Bevezetik ezt a technológiát, a betegek rohamosan megkülönböztetést tapasztalnak az AI-egészségügyi pontszámuk alapján; elvégre, ki adna el életbiztosítási kötvényt valakinek, aki hamarosan meghal? ⁃ TN szerkesztő
A Netflix és a Spotify által a szolgáltatások testreszabásához alkalmazott algoritmusok jobbak, mint az emberi orvosok azon pontozáskor, akik meghalnak vagy szívrohamot szenvednek.
A gépi tanulást a LogitBoost kiképzéséhez használták, mely fejlesztői szerint 90 százalékos pontossággal képes előre jelezni a halált vagy a szívrohamot.
Úgy programozták, hogy az 85 változókat kiszámítsák az 950 betegek egészségére gyakorolt kockázatokra, amelyekből szkennelés és adatok származtak.
A mellkasi fájdalomra panaszkodó betegeket számos vizsgálat és vizsgálat tesztelte, mielőtt a hagyományos módszerekkel kezelték őket.
Az adatokat később felhasználták az algoritmus kiképzéséhez.
„Megismerte” a kockázatokat, és a hatéves nyomon követés során 90 százalékos sikert aratott 24 szívroham és 49 haláleset előrejelzésére bármilyen okból.
LogitBoost, amelyet 85 változó használatával programoztak a mellkasi fájdalomra panaszkodó személy egészségét érintő kockázatok kiszámítására. A betegeknél koszorúér-komputertomográfiás angiográfiát (CCTA) végeztek (képen, állomány-átvizsgálás), amely 58 adatpontot gyűjtött össze
Az olyan szolgáltatások, mint a Netflix és a Spotify rendszerek, az algoritmusokat hasonló módon használják, hogy alkalmazkodjanak az egyes felhasználókhoz, és személyre szabottabb megjelenést biztosítsanak.
A tanulmány szerzője, Dr. Luis Eduardo Juarez-Orozco, a finnországi Turku PET Központ szerint ezek az előrelépések túlmutatnak az orvostudományon.
Azt mondta: "Ezek az előrelépések messze meghaladják az orvostudományban elért eredményeket, ahol óvatosnak kell lennünk a kockázat és az eredmények értékelésével kapcsolatban.
"Rendelkezünk adatokkal, de egyelőre nem használjuk ki teljes mértékben."
Az orvosok kockázati pontszámokat használnak a kezeléssel kapcsolatos döntések meghozatalához, de ezek a pontszámok csak a betegek „maroknyi” változóján alapulnak.
Az ismétlés és a beállítás révén a gépek nagy mennyiségű adatot használnak az összetett minták azonosítására, amelyek az emberek számára nem nyilvánvalóak.
Dr. Juarez-Orozco elmondta: „Az emberek nagyon nehezen gondolkodnak tovább, mint három dimenzió vagy négy dimenzió.
- Abban a pillanatban, amikor az ötödik dimenzióba ugrunk, elveszünk.
"Vizsgálatunk azt mutatja, hogy a nagyon nagy dimenziós minták az egydimenziós mintáknál hasznosabbak az egyének kimenetelének előrejelzéséhez, és ehhez gépi tanulásra van szükségünk."
wpDiscuz