Unsere Sterblichkeitsrate kann ein schwieriges Thema sein. Würden Sie gerne wissen, wann Sie sterben werden, wenn Ihnen diese Informationen zur Verfügung stünden? Vielleicht kein bestimmtes Datum, aber möchten Sie wissen, ob Sie bereit sind, vor dem mittleren Alter zu sterben?
Für mich ist das zum Beispiel unlogisch. Ich möchte es nicht unbedingt wissen, aber ich habe einen Freund, der allen Widrigkeiten bereits gewachsen ist: Er ist ein Krebsüberlebender. Seine Chancen stiegen also. Algorithmen anzeigen Künstliche Intelligenz Jetzt gibt es eine genauere Bestimmung des frühen Todes. Obwohl es vielleicht einfacher ist, meine Situation zu definieren, ist es möglicherweise nicht die der nächsten Person KI ist immer noch fähig Um dies genauer zu bestimmen als mit aktuellen Methoden.
Künstliche Intelligenz sagt einen vorzeitigen Tod genauer voraus
Medizinische Forscher unter der Leitung von Dr. Stephen Wong, Assistenzprofessor für Epidemiologie und Datenwissenschaft an der Universität Nottingham im Vereinigten Königreich, trainierten ein KI-System, um die Gesundheitsdaten von mehr als einer halben Million Menschen im Vereinigten Königreich auszuwerten, dann... Sie nutzten Vorhersagen, um herauszufinden, ob Menschen einem höheren Risiko ausgesetzt sind, aufgrund chronischer Krankheiten vorzeitig zu sterben.
Mein Freund hatte, wie gesagt, vor sechs Jahren Krebs. Hätte die KI vor zehn Jahren vorhersagen können, dass ich diese Krankheit haben würde oder dass es wahrscheinlicher wäre, dass ich früh an der Krankheit versterbe?
Laut Wing waren die Vorhersagen der KI über einen vorzeitigen Tod „viel genauer“ als frühere Methoden.
Zur Einschätzung der Wahrscheinlichkeit eines frühen Todes wurden zwei Arten künstlicher Intelligenz eingesetzt: „Deep Learning“ und „Random Forest“. Deep Learning liegt vor, wenn ein Computer mehrschichtige Informationsverarbeitungsnetzwerke nutzt, um aus Beispielen zu lernen. Random Forest kombiniert mehrere baumartige Modelle, um dasselbe zu identifizieren.
Die Ergebnisse der Deep-Learning- und Random-Forest-Methoden wurden dann mit dem Standardalgorithmus zur Identifizierung vorzeitiger Todesfälle verglichen: dem Cox-Modell.
Genetische, physikalische und Gesundheitsdaten aus der Open-Access-Datenbank der britischen Biobank wurden von Forschern anhand der drei Modelle ausgewertet. Diese Datenbank umfasste etwa 14500 Menschen, die zwischen 2006 und 2016 größtenteils an Krebs, Herz- und Atemwegserkrankungen starben.
Den drei Algorithmen zufolge waren Alter, Geschlecht, Rauchergeschichte und frühere Krebsdiagnose wichtige Variablen bei der Bestimmung, ob eine Person vorzeitig sterben würde.
Aber die Algorithmen betrachteten andere Variablen anders. Das Cox-Modell konzentrierte sich auf Rasse und körperliche Aktivität, während dies bei der KI nicht der Fall war.
Der KI-Random Forest legte Wert auf den Fettanteil, den Taillenumfang, die Menge an verzehrtem Obst und Gemüse sowie den Hautton. Die Deep-Learning-KI untersuchte die Exposition gegenüber berufsbedingten Gefahren und Luftverschmutzung und berücksichtigte auch den Alkoholkonsum und einige Medikamente.
Beim Vergleich der drei Algorithmen war Deep Learning am genauesten. Dabei wurden 76 Prozent der Menschen, die während des Studienjahrzehnts starben, korrekt identifiziert. Der Zufallswald war bei 65 Prozent der Menschen genau, während das Cox-Modell bei etwa 44 Prozent der Menschen genau war.
Künstliche Intelligenz ist vertrauenswürdig
Dies sind nicht die einzigen Fälle, in denen KI bei der Vorhersage von Gesundheitsergebnissen präzise war. Es wurde verwendet, um frühe Anzeichen von Alzheimer, Autismus, Diabetes, Herzinfarkt und Schlaganfall zu erkennen.
Nun, da wir wissen, dass KI den frühen Tod genau vorhersagen kann, wohin führt uns das? Wollen wir das wissen, damit wir unsere Bucket-Listen umsetzen können? Möchten Sie, dass die KI Ihnen sagt, wie wahrscheinlich es ist, dass Sie vorzeitig sterben? Fügen Sie Ihre Gedanken dazu den Kommentaren unten hinzu.
