Az orvosok jelenleg számos módon megjósolhatják a beteg egészségét. Ezek közül egyik sem univerzális, és sok kóros eseményt (például szívroham) nagyon nehéz megjósolni. A tudósok bebizonyították, hogy az öntanulásra képes számítógépek még a szokásos orvosi gyakorlatoknál is jobban teljesítenek, és jelentősen javítják a jóslatok minőségét. Ha ezt a gyakorlatot bevezetik, az új módszer évente ezrek, sőt akár több millió ember életét is megmentheti.
Évente körülbelül 20 millió ember hal meg szív- és érrendszeri betegségekben, ideértve a szívrohamot, agyvérzést, eldugulott artériát és más szív- és érrendszeri betegséget. Az ilyen szövődmények előrejelzésére a nyugati országok orvosai az Amerikai Kardiológiai Főiskola / American Heart Association (ACC / AHA) irányelveit használják. Nyolc kockázati tényezőn alapulnak, beleértve az életkort, a vér koleszterinszintet és a vérnyomást, amelyekből az orvos egyetlen képet készít a betegségről.
Sok esetben ez a megközelítés gyakran túlságosan egyszerű, emellett más tényezők is befolyásolhatják a beteg testét, amelynek eredményeként szív- és érrendszeri betegségek alakulhatnak ki. Egy új tanulmányban, Stephen Wan, az Egyesült Királyságban a Nottinghami Egyetemen járó epidemiológus az ACC / AHA irányelveket négy gépi tanulási algoritmussal hasonlította össze: véletlenszerű erdő, logisztikus regresszió, gradiensfokozás és idegi hálózat. Mind a négy algoritmus sok adat elemzésére irányult, amelyek elméletileg lehetővé tennék az AI számára, hogy jobb orvosi előrejelzéseket tegyen, mint az emberek. Ebben az esetben az adatokat az Egyesült Királyságban 378 256 beteg elektronikus egészségügyi nyilvántartásából szerezték be. A cél az volt, hogy olyan mintákat rögzítsen, amelyek kardiovaszkuláris eseményekkel kapcsolatosak.
Először is a mesterséges intelligencia (AI) algoritmusokat önállóan kellett képezniük. Az adatok kb. 78% -át - körülbelül 295 267 rekordot - használtak minták keresésére és saját belső „ajánlásaik” elkészítésére. Aztán kipróbálták magukat a többi dokumentumon. A 2005. évi adatok felhasználásával az algoritmusok előre jelezték, mely betegeknek szenvednek szív- és érrendszeri problémák a következő 10 évben, majd a 2015. évi nyilvántartások segítségével tesztelték feltételezéseiket. Az ACC / AHA iránymutatásokkal ellentétben a gépi tanulásnak további 22 adatpontot kellett figyelembe vennie, beleértve az etnikumot, az ízületi gyulladást és a vesebetegséget.
Ennek eredményeként mind a négy AI módszer sokkal hatékonyabb volt az előrejelzésben, mint az ACC / AHA ajánlások. Az AUC statisztikák felhasználásával (ahol az 1.0 100% -os pontossággal) az ACC / AHA irányelvek elérték a 0,728 értéket. A négy új módszer 0,745 és 0,764 között volt, ahogy Wen csapata számolt be a PLOS ONE magazinban. A tesztmintában körülbelül 83 000 bejegyzés vett részt, és az AI és az ember közötti csatában a gépek 355 további beteget mentettek meg. Ennek oka az, hogy Wen szerint a jóslatok gyakran megelőzéshez vezetnek, a koleszterinszint csökkentése vagy az étrend megváltoztatása révén.
Az ACC / AHA iránymutatások nem tartalmazzák azokat a kockázati tényezőket, amelyeket a gépi tanulási algoritmusok a legerősebb előrejelzőként azonosítottak. Ide tartoznak például a súlyos mentális betegség és a kortikoszteroidok szájon át történő beadása. Eközben az ACC / AHA listán szereplő paraméterek egyike sem tartozik a tíz legfontosabb prediktor közé a gép alapján (és még a cukorbetegség sem). A jövőben Weng reméli, hogy más társadalmi és genetikai elemeket is bevon az algoritmusok pontosságának további javítása érdekében.
Vaszilij Makarov