A biztosítótársaságok ezzel a technológiával fogják megbüntetni a fogyasztókat, mivel gyakran tévesen mérik meg a kockázatot annak meghatározása érdekében, hogy ki fog betegni egy adott betegséggel és mikor fog meghalni. A következő tanulmány nem foglalja magában a DNS-elemzést, de ez elég hamarosan megtörténik. ⁃ TN szerkesztő
A tudósok nemrégiben egy AI-rendszert képzettek az Egyesült Királyságban több mint félmillió ember által benyújtott általános egészségügyi adatok évtizede kiértékelésére. Ezután arra bízták az AI-t, hogy megjósolja, vajon fennáll-e az egyének korai halálának kockázata - vagyis az átlagos élettartamnál hamarabb meghalni - a krónikus betegség miatt, számoltak be egy új tanulmányban.
Az AI algoritmusok által a korai halálra vonatkozó jóslatok „lényegesen pontosabbak” voltak, mint a gépi tanulást nem használó modell által adott jóslatok - mondta Dr. Stephen Weng, a tanulmány vezető szerzője, az Epidemiológiai és adattudományi adjunktus az Egyetemen. Nottingham (ENSZ) az Egyesült Királyságban, nyilatkozta. [Lehetnek-e a gépek kreatívak? Ismerjen meg 9 mesterséges művészt]
Az alanyok korai halálozásának valószínűségének értékeléséhez a kutatók kétféle mesterséges intelligenciát teszteltek: „mély tanulást”, amelyben a réteges információ-feldolgozó hálózatok segítik a számítógépet a példákból való tanulásban; és a „véletlen erdő”, az AI egyszerűbb típusa, amely több, fához hasonló modellt ötvöz a lehetséges eredmények mérlegeléséhez.
Ezután összehasonlították az AI modellek következtetéseit a Cox modell néven ismert szokásos algoritmus eredményeivel.
E három modell felhasználásával a tudósok értékelték az Egyesült Királyság Biobankjában - a genetikai, fizikai és egészségügyi adatok nyílt hozzáférésű adatbázisában - szereplő adatokat, amelyeket több mint 500,000 ember nyújtott be az 2006 és 2016 között. Ez alatt az idő alatt a résztvevők közel 14,500 része meghalt, elsősorban rákban, szívbetegségben és légzőszervi betegségekben.
Különböző változók
Mindhárom modell megállapította, hogy az olyan tényezők, mint az életkor, a nem, a dohányzási előzmények és az előzetes rákdiagnosztika voltak a legfőbb változók az egyén korai halálozásának valószínűségének felmérésére. De a modellek eltérnek más kulcsfontosságú tényezőktől - állapították meg a kutatók.
A Cox-modell erősen támaszkodott az etnikai hovatartozásra és a fizikai aktivitásra, míg a gépi tanulási modellek nem. Összehasonlításképpen, a véletlenszerű erdőmodell nagyobb hangsúlyt fektetett rá testzsír százalék, a derék kerülete, az emberek által fogyasztott gyümölcs- és zöldségmennyiség, valamint a bőr tónusa, a tanulmány szerint. A mélyreható tanulási modellben a legfontosabb tényezők a munkahelyi veszélyeknek és a levegőszennyezésnek való kitettség, az alkoholfogyasztás és bizonyos gyógyszerek használata voltak.
Amikor az összes számot összeroppanták, a mélytanulás algoritmusa a legpontosabb előrejelzéseket adott, és helyesen azonosította a vizsgálati időszakban elhunyt alanyok 76 százalékát. Összehasonlításképpen, a véletlenszerű erdészeti modell helyesen jósolta előre a korai halálozások 64 százalékát, míg a Cox modell csak körülbelül 44 százalékot azonosított.
Nem ez az első alkalom, hogy a szakértők kiaknázzák az AI előrejelző erejét az egészségügyben. 2017-ben egy másik kutatócsoport bebizonyította, hogy az AI megtanulhatja észrevenni az Alzheimer-kór korai jeleit; algoritmusuk értékelte az agyi vizsgálatokat, hogy megjósolja, hogy egy személy valószínűleg Alzheimer-kórban szenved-e, és ezt körülbelül 84 százalékos pontossággal tette meg, a Live Science korábban jelentettek.
Egy másik tanulmány megállapította, hogy az AI meg tudja jósolni az autizmus kezdete 6 hónapos csecsemőknél, akiknek fennáll a veszélye a rendellenesség kialakulására. Még egy tanulmány képes felismerni a cukorbetegség elterjedésének jelei a retina letapogatásának elemzésén keresztül; és még egy - a retina vizsgálatából származó adatok felhasználásával - előre jelezte annak valószínűségét, hogy a beteg a szívroham vagy stroke.