Помощь ИИ в продлении жизни людей. Принятие искусственного интеллекта в диагностике и прогнозировании заболеваний может помочь продлить жизнь людей, одновременно обеспечивая значительную экономию для ГСЗ.

Фото: CC0 Public Domain

Это согласно исследователям из Университета Кардиффа, которые предоставили убедительные доказательства, показывающие преимущества, которые современные методы могут принести для оценки риска у пациентов.

В новом исследовании, опубликованном в PLOS One , команда исследователей продемонстрировала, как искусственный интеллект может обеспечить одинаково точный и надежный прогноз для пациентов с сердечно-сосудистыми заболеваниями по сравнению с традиционными методами.

Методы машинного обучения, которые они использовали, не требовали опыта или взаимодействия с людьми и поэтому преодолели главное узкое место в процессе.

Соавтор исследования профессор Крейг Керри из Медицинской школы Университета Кардиффа сказал: «Если мы сможем усовершенствовать эти методы, они позволят нам гораздо раньше определить тех людей, которые нуждаются в профилактических мерах. Это продлит жизнь людей и сохранит ресурсы NHS».

В эпоху доказательной медицины использование статистики стало важной частью оценки рисков определенных видов заболеваний.

Традиционно клиницисты и статистики подходили к этой задаче, вручную разрабатывая математические уравнения. Тем не менее, искусственный интеллект предоставляет методы, которые могут выявить сложные ассоциации в данных.

«Хотя у нас уже есть надежные методы прогнозирования людей в соответствии с их степенью риска серьезных сердечных событий, искусственный интеллект обещает новые способы опроса данных и вероятность более надежной классификации риска», – продолжил профессор Керри.

В своем исследовании команда опробовала метод, известный как генетическое программирование (GP) – метод, основанный на эволюции в природе, при котором компьютерные программы кодируются как набор генов, которые затем итеративно модифицируются или эволюционируют.

GP обладает преимуществом перед алгоритмами, созданными людьми, так как он уменьшает предвзятость и вероятность человеческой ошибки, в то же время позволяет автоматически интегрировать любые изменения в среде в математические формулы.

Преимущество этого конкретного подхода состоит в том, что сложные ассоциации, обнаруженные искусственным интеллектом на основе данных, могут быть прозрачными для клиницистов, что означает, что им не нужно расходиться с существующей практикой.

В исследовании команда использовала GP для оценки будущих рисков сердечно-сосудистых событий, таких как сердечно-сосудистая смерть, нефатальный инсульт или нефатальный инфаркт миокарда, у более чем 3800 пациентов с сердечно-сосудистыми заболеваниями в возрасте 19-83 лет в течение 10-летнего периода.

Алгоритмы машинного обучения использовали в общей сложности 25 предикторов, взятых из данных пациента, включая возраст, пол, ИМТ, употребление алкоголя и курения, а также артериальное давление.

Результаты показали, что алгоритмы машинного обучения могут работать сопоставимо с традиционными методами при прогнозировании риска, связанного с отдельными пациентами.

Соавтор исследования профессор Ирена Спасич из Школы информатики и информатики при Университете Кардиффа, сказала: «Способность интерпретировать решения, предлагаемые машинным обучением, до сих пор сдерживала технологию с точки зрения интеграции в клиническую практику.

«Однако, в свете недавнего возрождения нейронных сетей, важно не выходить за рамки других методов машинного обучения, особенно тех, которые предлагают прозрачность, таких как генетическое программирование или деревья решений. В конце концов, мы стремимся использовать искусственный интеллект для помощи экспертам-людям, а не для того, чтобы полностью исключить их из уравнения».

По материалам phys.org