Tıbbi araştırmacılar yapay zekada (AI) rahatsız edici bir yeteneğin kilidini açtılar: bir kişinin erken ölümünü tahmin etmek.
Bilim adamları yakın zamanda Birleşik Krallık'ta yarım milyondan fazla insan tarafından sunulan on yıllık genel sağlık verilerini değerlendirmek için bir AI sistemi eğitti. Daha sonra, YZ'ye, bireylerin kronik hastalıktan erken (yani ortalama yaşam beklentisinden daha erken) ölme riski altında olup olmadıklarını tahmin etmeleriyle görevlendirdiler.
Yapay zeka algoritmaları tarafından yapılan erken ölüm tahminleri, makine öğrenimini kullanmayan bir modelin sunduğu tahminlerden "önemli ölçüde daha doğruydu", lider çalışma yazarı Dr. Stephen Weng, Epidemiyoloji ve veri bilimi yardımcı doçenti Nottingham (BM) İngiltere'de yaptığı açıklamada, dedi.
Deneklerin erken ölüm olasılığını değerlendirmek için, araştırmacılar iki tür AI'yi test ettiler: katmanlı bilgi işlem ağlarının bir bilgisayarın örneklerden öğrenmesine yardımcı olduğu "derin öğrenme"; ve "rastgele orman", olası sonuçları dikkate almak için birden çok ağaç benzeri modeli birleştiren daha basit bir AI türüdür.
Daha sonra, AI modellerinin sonuçlarını, Cox modeli olarak bilinen standart bir algoritmadan elde edilen sonuçlarla karşılaştırdılar.
Bu üç modeli kullanarak, bilim adamları, 2006-2016 yılları arasında 500.000'den fazla kişi tarafından sunulan genetik, fiziksel ve sağlık verilerinin açık erişimli bir veritabanı olan İngiltere Biobank'taki verileri değerlendirdi. Bu süre zarfında, katılımcıların yaklaşık 14.500'ü öldü kanser, kalp hastalığı ve solunum yolu hastalıklarından
Farklı değişkenler
Her üç model de yaş, cinsiyet, sigara öyküsü ve önceki kanser tanısı gibi faktörlerin, bir kişinin erken ölüm olasılığını değerlendirmek için en önemli değişkenler olduğunu belirlemiştir. Ancak araştırmacılar, modellerin diğer anahtar faktörlere göre ayrıldığını buldular.
Cox modeli büyük ölçüde etnik kökene ve fiziksel aktiviteye dayanırken, makine öğrenme modelleri bunu yapmadı. Buna göre, çalışmaya göre, rastgele orman modeli vücut yağ yüzdesi, bel çevresi, insanların yediği meyve ve sebze miktarı ve cilt tonuna daha fazla önem verdi. Derin öğrenme modeli için en önemli faktörler işle ilgili tehlikelere maruz kalma ve hava kirliliği, alkol alımı ve bazı ilaçların kullanımını içermektedir.
Tüm sayı çatırtıları yapıldığında, derin öğrenme algoritması en doğru tahminleri verdi ve çalışma döneminde ölen kişilerin yüzde 76'sını doğru bir şekilde belirledi. Karşılaştırıldığında, rasgele orman modeli erken ölümlerin yaklaşık yüzde 64'ünü doğru bir şekilde tahmin ederken, Cox modeli sadece yüzde 44'ü tespit etti.
Bu, uzmanların AI'nın sağlık hizmeti için öngörücü gücünü ilk kez kullanmadıkları değil. 2017'de farklı bir araştırmacı ekibi AI'nın Alzheimer hastalığının erken belirtilerini tespit etmeyi öğrenebileceğini gösterdi; algoritmaları beyin taramalarını bir kişinin Alzheimer geliştirip geliştiremeyeceğini tahmin etmek için değerlendirdi ve bunu daha önce yüzde 84 doğrulukla yaptığını bildirdi.
Başka bir çalışma, AI'nın, bozukluğu geliştirme riski yüksek olan 6 aylık bebeklerde otizmin başlangıcını tahmin edebileceğini buldu. Yine başka bir çalışma, retina taramalarının analizi yoluyla diyabetin dışlanma işaretlerini tespit edebilir; ve bir tane daha - retina taramalarından elde edilen verileri kullanarak - bir hastanın kalp krizi veya inme geçirme olasılığını öngördü.
Yeni çalışmada, bilim adamları, BM temel bakım profesörü Joe Kai, açıklamanın ölümcül sonuçlarını başarılı bir şekilde tahmin etmek için makine öğreniminin - "dikkatli ayarlamayla" - zaman içinde başarılı bir şekilde tahmin edilebileceğini gösterdi.
AI'yı bu şekilde kullanırken birçok sağlık uzmanına tanıdık gelmeyebilir, çalışmada kullanılan yöntemleri sunmak "bu heyecan verici alanın bilimsel doğrulamasına ve gelecekteki gelişimine yardımcı olabilir" dedi.
Bulgular bugün (27 Mart) çevrimiçi olarak PLOS ONE dergisinde yayınlandı.
