Kiedy firmy ubezpieczeniowe, HMO, Medicare itp. Wdrożą tę technologię, pacjenci zobaczą szerzącą się dyskryminację na podstawie ich oceny zdrowia AI; w końcu kto sprzedałby polisę ubezpieczeniową na życie komuś, kto wkrótce umrze? ⁃ Edytor TN
Algorytmy podobne do tych stosowanych przez Netflix i Spotify w celu dostosowania usług są teraz lepsze niż ludzcy lekarze w wykrywaniu osób, które umrą lub będą miały zawał serca.
Uczenie maszynowe zostało wykorzystane do szkolenia LogitBoost, który według jego twórców może przewidywać śmierć lub zawał serca z dokładnością 90.
Został zaprogramowany do użycia zmiennych 85 do obliczenia ryzyka dla zdrowia pacjentów 950, z którego otrzymywano skany i dane.
Pacjenci skarżący się na ból w klatce piersiowej byli poddawani licznym skanom i testom przed leczeniem tradycyjnymi metodami.
Ich dane zostały później wykorzystane do wyszkolenia algorytmu.
„Nauczył się” ryzyka i podczas sześcioletniej obserwacji odniósł 90% skuteczność w przewidywaniu 24 ataków serca i 49 zgonów z jakiejkolwiek przyczyny.
LogitBoost, który został zaprogramowany do wykorzystywania 85 zmiennych do obliczania ryzyka dla zdrowia osoby skarżącej się na ból w klatce piersiowej. Pacjenci mieli skan angiografii wieńcowej tomografii komputerowej (CCTA) (na zdjęciu, skan zapasowy), w którym zebrano 58 punktów danych
Usługi takie jak Netflix i Spotify wykorzystują algorytmy w podobny sposób, aby dostosować się do indywidualnych użytkowników i zaoferować bardziej spersonalizowany wygląd.
Autor badania dr Luis Eduardo Juarez-Orozco z Turku PET Center w Finlandii powiedział, że postępy te wykraczają poza medycynę.
Powiedział: „Postępy te wykraczają daleko poza to, co zostało zrobione w medycynie, gdzie musimy być ostrożni, jeśli chodzi o ocenę ryzyka i wyników.
„Mamy dane, ale nie wykorzystujemy ich jeszcze w pełni”.
Lekarze wykorzystują oceny ryzyka do podejmowania decyzji dotyczących leczenia - ale wyniki te są oparte na zaledwie „kilku” zmiennych dotyczących pacjentów.
Dzięki powtarzaniu i dostosowywaniu maszyny używają dużych ilości danych do identyfikowania złożonych wzorców, niewidocznych dla ludzi.
Dr Juarez-Orozco powiedział: „Ludziom jest bardzo trudno myśleć dalej niż w trzech lub czterech wymiarach.
- W chwili, gdy wskoczymy do piątego wymiaru, zgubiliśmy się.
"Nasze badanie pokazuje, że bardzo wysokie wzorce wymiarowe są bardziej przydatne niż wzorce jednowymiarowe do przewidywania wyników u poszczególnych osób, a do tego potrzebujemy uczenia maszynowego".
wpDiscuz