AI im Gesundheitswesen sagt voraus, wer vorzeitig sterben wird

Wikia
Bitte teilen Sie diese Geschichte!
image_pdfimage_print
Vorhersagen. Henri de Saint-Simon, der frühe Vater der Technokratie, definierte Scientism wie folgt: „Ein Wissenschaftler, meine lieben Freunde, ist ein Mann, der voraussieht; es ist, weil die Wissenschaft die liefert bedeutet vorherzusagen dass es nützlich ist und die Wissenschaftler allen anderen Männern überlegen sind. “

Versicherungsunternehmen werden Verbraucher mit dieser Technologie bestrafen, da sie das Risiko oftmals falsch messen, um zu bestimmen, wer an welcher Krankheit erkrankt und wann sie sterben werden. Die folgende Studie enthält keine DNA-Analyse, aber das wird bald genug kommen. ⁃ TN Editor

Wissenschaftler haben kürzlich ein KI-System trainiert, um ein Jahrzehnt allgemeiner Gesundheitsdaten auszuwerten, die von mehr als einer halben Million Menschen im Vereinigten Königreich übermittelt wurden. Anschließend beauftragten sie die KI, vorherzusagen, ob Personen in einer neuen Studie vorzeitig an chronischen Krankheiten sterben könnten, d. H. Früher als die durchschnittliche Lebenserwartung.

Die Vorhersagen für den frühen Tod, die von AI-Algorithmen getroffen wurden, waren "wesentlich genauer" als die Vorhersagen, die von einem Modell ohne maschinelles Lernen geliefert wurden, leitender Studienautor Dr. Stephen Weng, Assistenzprofessor für Epidemiologie und Datenwissenschaft an der Universität Nottingham (UN) in Großbritannien, sagte in einer Erklärung. [Können Maschinen kreativ sein? Treffen Sie 9 AI 'Artists']

Um die Wahrscheinlichkeit einer vorzeitigen Sterblichkeit von Probanden abzuschätzen, testeten die Forscher zwei Arten von KI: „Deep Learning“, bei dem geschichtete Informationsverarbeitungsnetzwerke einem Computer helfen, aus Beispielen zu lernen. und "Random Forest", eine einfachere Art von KI, die mehrere baumartige Modelle kombiniert, um mögliche Ergebnisse zu berücksichtigen.

Anschließend verglichen sie die Schlussfolgerungen der AI-Modelle mit Ergebnissen eines Standardalgorithmus, der als Cox-Modell bekannt ist.

Mithilfe dieser drei Modelle bewerteten die Wissenschaftler Daten in der britischen Biobank - einer Open-Access-Datenbank mit genetischen, physischen und gesundheitlichen Daten -, die von mehr als 500,000-Personen zwischen 2006 und 2016 eingereicht wurden. In dieser Zeit starben fast 14,500 der Teilnehmer, hauptsächlich an Krebs, Herzerkrankungen und Atemwegserkrankungen.

Verschiedene Variablen

Alle drei Modelle ermittelten, dass Faktoren wie Alter, Geschlecht, Rauchen in der Vorgeschichte und eine frühere Krebsdiagnose die wichtigsten Variablen für die Einschätzung der Wahrscheinlichkeit des frühen Todes einer Person waren. Die Modelle gingen jedoch in Bezug auf andere Schlüsselfaktoren auseinander, stellten die Forscher fest.

Das Cox-Modell stützte sich stark auf ethnische Zugehörigkeit und körperliche Aktivität, während die Modelle des maschinellen Lernens dies nicht taten. Im Vergleich dazu legte das Zufallsmodell der Wälder einen größeren Schwerpunkt auf Körperfettanteil, Taillenumfang, die Menge an Obst und Gemüse, die Menschen aßen, und Hautton nach der Studie. Für das Deep-Learning-Modell waren die Exposition gegenüber berufsbedingten Gefahren und Luftverschmutzung, Alkoholkonsum und die Verwendung bestimmter Medikamente die wichtigsten Faktoren.

Nachdem alle Zahlen ermittelt wurden, lieferte der Deep-Learning-Algorithmus die genauesten Vorhersagen und identifizierte 76-Prozent der im Untersuchungszeitraum verstorbenen Probanden korrekt. Zum Vergleich: Das Random Forest-Modell sagte 64-Prozent der vorzeitigen Todesfälle korrekt voraus, während das Cox-Modell nur 44-Prozent identifizierte.

Dies ist nicht das erste Mal, dass Experten die Vorhersagekraft von AI für die Gesundheitsfürsorge nutzen. In 2017 hat ein anderes Forscherteam gezeigt, dass KI lernen kann, frühe Anzeichen der Alzheimer-Krankheit zu erkennen. Ihr Algorithmus wertete Gehirnscans aus, um vorherzusagen, ob eine Person wahrscheinlich Alzheimer entwickeln würde, und dies mit einer Genauigkeit von etwa 84 Prozent, Live Science zuvor berichtet.

Eine andere Studie ergab, dass AI vorhersagen konnte der Beginn von Autismus bei Säuglingen im Alter von 6 Monaten, bei denen ein hohes Risiko für die Entwicklung der Störung bestand. Noch eine andere Studie konnte feststellen Anzeichen von Diabetes durch Analyse von Retina-Scans; und eine weitere - auch unter Verwendung von Daten, die aus Netzhautuntersuchungen abgeleitet wurden - sagte die Wahrscheinlichkeit voraus, dass ein Patient an einer Infektion erkrankt Herzinfarkt oder Schlaganfall.

Lesen Sie die ganze Geschichte hier…

Treten Sie unserer Mailingliste bei!


Abonnieren
Benachrichtigung von
Gast
0 Kommentare
Inline-Feedbacks
Alle Kommentare anzeigen