Ons sterftecijfer kan een lastig onderwerp zijn. Wilt u weten wanneer u overlijdt als deze informatie voor u beschikbaar is? Misschien geen exacte datum, maar wil je weten of je klaar bent om voor de middelbare leeftijd te sterven?
Voor mij is dit bijvoorbeeld niet logisch. Ik wil het niet echt weten, maar ik heb een vriend die de kansen al heeft verslagen: hij is een kankerpatiënt. Zijn kansen werden dus groter. Algoritmen weergeven Kunstmatige intelligentie Nu meer nauwkeurigheid bij het bepalen van vroege dood. Hoewel het misschien gemakkelijker is om mijn positie te bepalen, is het misschien niet de volgende persoon, maar AI is nog steeds in staat Dit is nauwkeuriger dan de huidige methoden.
AI voorspelt voortijdige dood nauwkeuriger
Medische onderzoekers, onder leiding van Dr. Stephen Wong, assistent-hoogleraar epidemiologie en datawetenschap aan de Universiteit van Nottingham in het VK, trainden een AI-systeem om de gezondheidsgegevens van meer dan een half miljoen mensen in het VK te beoordelen. Ze gebruikten voorspelling om te zien of mensen een groter risico liepen op vroegtijdig overlijden door chronische ziekten.
Mijn vriend had zes jaar geleden kanker, zoals ik al zei. Had de AI tien jaar geleden kunnen voorspellen dat hij deze ziekte had of dat ik eerder aan de ziekte zou overlijden?
De voorspellingen van de AI over vroegtijdig overlijden waren volgens Wing "veel nauwkeuriger" dan eerdere methoden die waren gebruikt.
Er werden twee soorten kunstmatige intelligentie gebruikt om de kans op vroegtijdig overlijden te beoordelen: 'deep learning' en 'willekeurige jungle'. Deep learning vindt plaats wanneer een computer gelaagde informatieverwerkingsnetwerken gebruikt om van voorbeelden te leren. Random forest combineert verschillende boomachtige modellen om hetzelfde te bepalen.
De resultaten van deep learning en random forest-methoden werden vervolgens vergeleken met het standaardalgoritme dat wordt gebruikt om vroegtijdig overlijden te bepalen: het Cox-model.
Genetische, fysieke en gezondheidsgegevens uit de open access database van de UK Biobank werden door de onderzoekers geëvalueerd met behulp van de drie modellen. Deze database omvatte ongeveer 14500 mensen die stierven, in de meeste gevallen aan kanker, hartaandoeningen en luchtwegaandoeningen, van 2006 tot 2016.
Leeftijd, geslacht, rookgeschiedenis en eerdere diagnose van kanker waren volgens de drie algoritmen belangrijke variabelen bij het bepalen of een persoon voortijdig zou overlijden.
Maar de algoritmen keken anders naar andere variabelen. Het Cox-model was gericht op ras en fysieke activiteit, terwijl de AI dat niet deed.
Het AI-random forest hechtte belang aan vetpercentage, middelomtrek, hoeveelheid gegeten groenten en fruit en huidskleur. Deep learning AI keek naar blootstelling aan werkgerelateerde risico's en luchtvervuiling, en hield ook rekening met alcohol en bepaalde medicijnen.
Toen de drie algoritmen werden vergeleken, was deep learning het meest nauwkeurig. Het identificeerde correct 76 procent van de mensen die stierven tijdens het studiedecennium. Het willekeurige bos was nauwkeurig met 65 procent van de mensen, terwijl het Cox-model nauwkeurig was met ongeveer 44 procent van de mensen.
AI is betrouwbaar
Dit zijn niet de enige keren dat AI nauwkeurig is geweest in het voorspellen van zorgresultaten. Het is gebruikt om vroege tekenen van de ziekte van Alzheimer, autisme, diabetes, hartaanval en beroerte te identificeren.
Nu we weten dat AI een vroegtijdige dood nauwkeurig kan voorspellen, waar blijven we dan? Is dit iets dat we willen weten zodat we onze bucketlists kunnen implementeren? Wil je dat AI je vertelt over je kansen om vroegtijdig te overlijden? Voeg uw mening hierover toe aan de opmerkingen hieronder.
