Медицинские исследователи открыли тревожную способность искусственного интеллекта (ИИ): предсказывать раннюю смерть человека.
Ученые недавно обучили систему искусственного интеллекта оценивать данные об общем состоянии здоровья, представленные более чем полмиллиона человек в Соединенном Королевстве за десятилетие. Затем они поставили перед ИИ задачу предсказать, есть ли у людей риск преждевременной смерти - иными словами, раньше, чем средняя ожидаемая продолжительность жизни - от хронического заболевания, сообщили они в новом исследовании.
Прогнозы ранней смерти, сделанные с помощью алгоритмов ИИ, были «значительно более точными», чем прогнозы, сделанные с помощью модели, в которой не использовалось машинное обучение, ведущий автор исследования, доктор Стивен Венг, доцент кафедры эпидемиологии и науки о данных в Университете Ноттингем (ООН) в Великобритании, говорится в заявлении.
Чтобы оценить вероятность преждевременной смертности испытуемых, исследователи проверили два типа ИИ: «глубокое обучение», в котором многоуровневые сети обработки информации помогают компьютеру учиться на примерах; и «случайный лес» - более простой тип ИИ, который объединяет несколько древовидных моделей для рассмотрения возможных результатов.
Затем они сравнили выводы моделей ИИ с результатами стандартного алгоритма, известного как модель Кокса.
Используя эти три модели, ученые оценили данные в британском биобанке - базе данных открытого доступа о генетических, физических данных и данных о здоровье - представленной более чем 500 000 человек в период с 2006 по 2016 год. За это время умерли почти 14 500 участников, в основном от рака, болезней сердца и респираторных заболеваний.
Разные переменные
Все три модели определили, что такие факторы, как возраст, пол, история курения и предыдущий диагноз рака были главными переменными для оценки вероятности ранней смерти человека. Исследователи обнаружили, что модели расходятся с другими ключевыми факторами.
Модель Кокса в значительной степени опиралась на этническую принадлежность и физическую активность, а модели машинного обучения - нет. Для сравнения, в модели случайного леса больший акцент был сделан на процент жира в организме, окружность талии, количество фруктов и овощей, которые съели люди, и тон кожи, согласно исследованию. Для модели глубокого обучения главные факторы включали подверженность риску, связанному с работой, и загрязнение воздуха, потребление алкоголя и использование определенных лекарств.
Когда все вычисления были выполнены, алгоритм глубокого обучения дал самые точные прогнозы, правильно идентифицируя 76 процентов субъектов, которые умерли в течение периода исследования. Для сравнения, модель случайного леса правильно предсказала около 64 процентов преждевременных смертей, в то время как модель Кокса определила только около 44 процентов.
Это не первый случай, когда эксперты используют прогнозирующую силу ИИ для здравоохранения. В 2017 году другая группа исследователей продемонстрировала, что ИИ может научиться определять ранние признаки болезни Альцгеймера; Их алгоритм оценивал сканирование мозга, чтобы предсказать, может ли человек заболеть болезнью Альцгеймера, и он делал это с точностью около 84 процентов, ранее сообщал Live Science.
Другое исследование показало, что ИИ может предсказать возникновение аутизма у 6-месячных детей с высоким риском развития расстройства. Еще одно исследование может выявить признаки посягательства на диабет посредством анализа сканирования сетчатки; и еще один - также используя данные, полученные из сканирования сетчатки глаза - предсказал вероятность того, что у пациента случится сердечный приступ или инсульт.
В новом исследовании ученые продемонстрировали, что машинное обучение - «с тщательной настройкой» - может быть использовано для успешного прогнозирования результатов смертности во времени, говорится в заявлении соавтора исследования Джо Кая, профессора первичной медицинской помощи ООН.
Хотя использование ИИ таким способом может быть незнакомо многим специалистам здравоохранения, представление методов, использованных в исследовании, «могло бы помочь с научной проверкой и будущим развитием этой захватывающей области», сказал Кай.
Результаты были опубликованы онлайн сегодня (27 марта) в журнале PLOS ONE.
