Przepowiadać, wywróżyć. Henri de Saint-Simon, wczesny ojciec technokracji, zdefiniował scjentyzm: „Naukowiec, moi drodzy przyjaciele, to człowiek, który przewiduje; to dlatego, że nauka zapewnia oznacza przewidzieć że jest pożyteczna, a naukowcy są lepsi od wszystkich innych ludzi ”.
Firmy ubezpieczeniowe będą karać konsumentów za tę technologię, ponieważ mierzą ryzyko, często fałszywie, aby ustalić, kto zachoruje na jaką chorobę i kiedy umrze. Poniższe badanie nie obejmuje analizy DNA, ale nastąpi to wkrótce. ⁃ Edytor TN
Naukowcy niedawno przeszkolili system sztucznej inteligencji do oceny dekady ogólnych danych zdrowotnych przesłanych przez ponad pół miliona osób w Wielkiej Brytanii. Następnie zlecili AI przewidywanie, czy u osób istnieje ryzyko przedwczesnego umierania - innymi słowy, wcześniej niż średnia długość życia - z powodu przewlekłej choroby - poinformowali w nowym badaniu.
Przewidywania dotyczące przedwczesnej śmierci, które zostały opracowane przez algorytmy AI, były „znacznie dokładniejsze” niż przewidywania dostarczone przez model, który nie wykorzystywał uczenia maszynowego, główny autor badania dr Stephen Weng, adiunkt w dziedzinie epidemiologii i nauk o danych na Uniwersytecie w Nottingham (ONZ) w Wielkiej Brytanii, w oświadczeniu. [Czy maszyny mogą być kreatywne? Poznaj 9 artystów AI]
Aby ocenić prawdopodobieństwo przedwczesnej śmiertelności badanych, naukowcy przetestowali dwa rodzaje sztucznej inteligencji: „głębokie uczenie”, w którym warstwowe sieci przetwarzania informacji pomagają komputerowi uczyć się na przykładach; oraz „losowy las”, prostszy typ sztucznej inteligencji, który łączy wiele modeli drzewiastych w celu rozważenia możliwych wyników.
Następnie porównali wnioski modeli sztucznej inteligencji z wynikami standardowego algorytmu, znanego jako model Coxa.
Korzystając z tych trzech modeli, naukowcy ocenili dane w brytyjskim Biobank - otwartej bazie danych danych genetycznych, fizycznych i zdrowotnych - przesłane przez ponad 500,000 osób między 2006 i 2016. W tym czasie prawie 14,500 uczestników zmarło, głównie z powodu raka, chorób serca i chorób układu oddechowego.
Różne zmienne
We wszystkich trzech modelach ustalono, że czynniki takie jak wiek, płeć, palenie tytoniu i wcześniejsza diagnoza raka były głównymi zmiennymi w ocenie prawdopodobieństwa przedwczesnej śmierci danej osoby. Naukowcy odkryli, że modele różniły się od innych kluczowych czynników.
Model Coxa opierał się głównie na pochodzeniu etnicznym i aktywności fizycznej, podczas gdy modele uczenia maszynowego nie. Dla porównania losowy model lasu położył większy nacisk procent tkanki tłuszczowej, obwód talii, ilość owoców i warzyw, które ludzie jedli, oraz koloryt skóry, zgodnie z badaniem. W przypadku modelu głębokiego uczenia się najważniejsze czynniki obejmowały narażenie na zagrożenia związane z pracą i zanieczyszczeniem powietrza, spożycie alkoholu i stosowanie niektórych leków.
Gdy wszystkie liczby uległy zmianie, algorytm głębokiego uczenia się dostarczył najdokładniejsze prognozy, poprawnie identyfikując procent 76 pacjentów, którzy zmarli w okresie badania. Dla porównania losowy model lasu poprawnie przewidział około 64 procent przedwczesnych zgonów, podczas gdy model Coxa zidentyfikował tylko około 44 procent.
To nie pierwszy raz, kiedy eksperci wykorzystali predykcyjną moc sztucznej inteligencji w opiece zdrowotnej. W 2017 roku inny zespół naukowców wykazał, że sztuczna inteligencja może nauczyć się dostrzegać wczesne oznaki choroby Alzheimera; ich algorytm ocenił skany mózgu, aby przewidzieć, czy dana osoba może zachorować na chorobę Alzheimera, i zrobił to z około 84-procentową dokładnością, Live Science wcześniej informowaliśmy.
Inne badanie wykazało, że AI może przewidzieć początek autyzmu u dzieci w wieku 6, u których ryzyko wystąpienia choroby było wysokie. Kolejne badanie może wykryć oznaki wkraczającej cukrzycy poprzez analizę skanów siatkówki; i jeszcze jedno - wykorzystując również dane pochodzące ze skanów siatkówki - przewidywało prawdopodobieństwo wystąpienia u pacjenta zawał serca lub udar mózgu.
wpDiscuz