Wenn Versicherungsunternehmen, HMOs, Medicare usw. diese Technologie einsetzen, werden Patienten aufgrund ihres AI-Gesundheitsfaktors häufig diskriminiert. Wer würde schon eine Lebensversicherung an jemanden verkaufen, der bald sterben wird? ⁃ TN Editor
Algorithmen, die mit denen von Netflix und Spotify zur Anpassung von Diensten vergleichbar sind, können heute besser als menschliche Ärzte erkennen, wer stirbt oder an einem Herzinfarkt leidet.
Maschinelles Lernen wurde verwendet, um LogitBoost zu trainieren, von dem die Entwickler sagen, dass es Todesfälle oder Herzinfarkte mit 90-Genauigkeit vorhersagen kann.
Es wurde so programmiert, dass mithilfe von 85-Variablen das Risiko für die Gesundheit der 950-Patienten berechnet wird, von denen Scans und Daten stammen.
Patienten, die über Brustschmerzen klagten, wurden einer Vielzahl von Scans und Tests unterzogen, bevor sie mit herkömmlichen Methoden behandelt wurden.
Ihre Daten wurden später verwendet, um den Algorithmus zu trainieren.
Es "lernte" die Risiken und hatte während der sechsjährigen Nachbeobachtungszeit eine Erfolgsquote von 90 Prozent bei der Vorhersage von 24 Herzinfarkten und 49 Todesfällen aus irgendeinem Grund.
LogitBoost, das so programmiert wurde, dass es 85 Variablen verwendet, um Risiken für die Gesundheit einer Person zu berechnen, die über Brustschmerzen klagte. Die Patienten hatten einen CCTA-Scan (Coronary Computertomography Angiography) (abgebildet, Stock Scan), bei dem 58 der Datenpunkte erfasst wurden
Dienste wie Netflix- und Spotify-Systeme verwenden alle Algorithmen auf ähnliche Weise, um sich an einzelne Benutzer anzupassen und ein persönlicheres Erscheinungsbild zu bieten.
Der Autor der Studie, Dr. Luis Eduardo Juarez-Orozco vom Turku PET Center, Finnland, sagte, diese Fortschritte gingen über die Medizin hinaus.
Er sagte: „Diese Fortschritte gehen weit über das hinaus, was in der Medizin getan wurde, wo wir vorsichtig sein müssen, wie wir Risiken und Ergebnisse bewerten.
"Wir haben die Daten, aber wir nutzen sie noch nicht in vollem Umfang."
Ärzte verwenden Risikobewertungen, um Behandlungsentscheidungen zu treffen - diese Bewertungen basieren jedoch nur auf einer „Handvoll“ von Variablen bei Patienten.
Durch Wiederholung und Anpassung verwenden Maschinen große Datenmengen, um komplexe Muster zu identifizieren, die für den Menschen nicht erkennbar sind.
Dr. Juarez-Orozco sagte: „Menschen haben es sehr schwer, weiter als drei oder vier Dimensionen zu denken.
'In dem Moment, in dem wir in die fünfte Dimension springen, sind wir verloren.
"Unsere Studie zeigt, dass sehr hochdimensionale Muster nützlicher sind als eindimensionale Muster, um Ergebnisse bei Individuen vorherzusagen, und dafür brauchen wir maschinelles Lernen."
wpDiscuz