Computer, die in der Lage sind, die Lehre selbst, um vorherzusagen, vorzeitigen Tod könnten erheblich verbessern, die präventive Gesundheitsversorgung in der Zukunft, schlägt eine neue Studie, die von Experten an der Universität von Nottingham.
Das team von healthcare-Daten, die Wissenschaftler und ärzte entwickelt und erprobt ein system von computer-basiertes „machine learning“ – algorithmen, um vorherzusagen, das Risiko eines frühen Todes aufgrund einer chronischen Erkrankung in eine große mittlere Alter der Bevölkerung.
Sie fand dieses KI-system war sehr genau in seinen Prognosen und durchgeführt besser als die aktuelle standard-Ansatz für die Vorhersage entwickelt, die von menschlichen Experten. Die Studie ist veröffentlicht durch PLOS ONE in a special collections edition von „Machine Learning in Gesundheit und Biomedizin.“
Das team Gesundheits-Daten von über einer halben million Menschen im Alter zwischen 40 und 69 eingestellt, um die UK Biobank zwischen 2006 und 2010 folgten, bis 2016.
Was die Arbeit, Assistant Professor für Epidemiologie und Daten Wissenschaft, Dr. Stephan Weng, sagte: „Vorbeugende Gesundheitswesen ist eine wachsende Priorität im Kampf gegen schwere Krankheiten, so wir gearbeitet haben für eine Reihe von Jahren um die Verbesserung der Genauigkeit der EDV-Gesundheit-Risikobewertung in der Allgemeinen Bevölkerung. Die meisten Anwendungen fokussieren sich auf eine einzelne Krankheit-Bereich, aber die Vorhersage von Todes wegen verschiedener Krankheitsverlauf ist sehr Komplex, vor allem angesichts der Umwelt-und individuellen Faktoren, die Sie beeinflussen.
„Wir haben einen großen Schritt in diesem Bereich durch die Entwicklung eines einzigartigen und ganzheitlichen Ansatz für die Vorhersage einer person das Risiko eines vorzeitigen Todes durch machine-learning. Dies beruht darauf, Computer zu bauen, die neue Risiko-Vorhersage-Modelle, die berücksichtigen, eine Breite Palette von demografischen, biometrischen, klinischen und lifestyle-Faktoren für jede einzelne bewertet, auch Ihre diätetischen Verzehr von Obst, Gemüse und Fleisch pro Tag.
„Wir zugeordnet, die daraus resultierenden Prognosen zu Sterblichkeit Daten aus der Kohorte, die mit Office of National Statistics death records, UK cancer registry und ‚Krankenhaus-Episoden-Statistiken. Wir fanden Maschine gelernt algorithmen deutlich genauer in der Vorhersage der Tod als die standard-Prognose-Modelle entwickelt, die durch einen menschlichen Experten.“
Die AI-machine-learning-Modelle in der neuen Studie sind bekannt als ‚random forest‘ und ‚deep learning‘. Diese waren lagerten sich gegen die traditionell-gebraucht „Cox-Regressionsanalyse“ Vorhersage-Modell, basierend auf Alter und Geschlecht-gefunden werden, die am wenigsten genaue Vorhersage der Sterblichkeit — und auch einem multivariaten Cox-Modell, das funktionierte besser, sondern eher zu über-vorauszusagen Risiko.
Professor Joe Kai, eine der klinischen Wissenschaftlern an dem Projekt arbeitet, sagte: „Es gibt derzeit intensiv mit dem Potenzial von“ AI „oder“ machine-learning“, um besser vorherzusagen, Behandlungsergebnisse erzielt werden. In einigen Situationen können wir finden, hilft es, in andere kann es nicht. In diesem speziellen Fall, wir haben gezeigt, dass bei sorgfältiger tuning, diese algorithmen können sinnvoll Verbesserung der Vorhersage.
„Diese Techniken können für viele neu in der Gesundheitsforschung und schwer zu Folgen. Wir glauben, dass durch eine klare Berichterstattung, die diese Methoden in einer transparenten Art und Weise, dies konnte mit Hilfe der wissenschaftlichen überprüfung und der zukünftigen Entwicklung in diesem spannenden Feld für das Gesundheitswesen.“
Diese neue Studie baut auf früheren arbeiten von Nottingham-team, die zeigten, dass vier verschiedene KI-algorithmen, random-forest‘, ‚Logistische regression‘, ‚gradient boosting‘ und ’neural networks‘, waren signifikant besser bei der Vorhersage von Herz-Kreislauf-Erkrankungen als ein etablierter Algorithmus im aktuellen Kardiologie-guidelines. Diese frühere Studie ist hier verfügbar.
Die Nottingham Forscher prognostizieren, dass die KI spielen eine wichtige Rolle in der Entwicklung zukünftiger tools in der Lage zu liefern personalisierte Medizin, Schneiderei Risiko-management bis zum einzelnen Patienten. Weitere Forschung erfordert die Prüfung und Bestätigung der diese KI-algorithmen in anderen Bevölkerungs-Gruppen und die Möglichkeiten zur Umsetzung dieser Systeme in die routine Gesundheitswesen.