هوش مصنوعی مرگ زودرس

هوش مصنوعی در پیش بینی مرگ زودرس بسیار خوب است

آیا هوش مصنوعی می تواند پیش بینی کند که چه زمانی خواهید مرد؟

محققان پزشکی  یک توانایی ناراحت کننده در هوش مصنوعی را مطرح کرده اند: پیش بینی مرگ زودرس فرد

دانشمندان به تازگی یک سیستم هوش مصنوعی را برای ارزیابی یک دهه از داده های سلامت عمومی ارائه شده توسط بیش از نیم میلیون نفر در انگلستان آموزش داده اند. سپس به هوش مصنوعی این وظیفه را داده اند که پیش بینی کند آیا افراد در معرض خطر مرگ زودرس – به عبارت دیگر ، زودتر از متوسط عمر – از بیماری مزمن هستند یا خیر. آن ها در یک مطالعه جدید چنین گزارش داده‌اند:

پیش بینی های مرگ زودرس که توسط الگوریتم های هوش مصنوعی انجام شدند “به طور قابل توجهی دقیق” تر از پیش بینی های ارائه شده توسط مدلی که از یادگیری ماشین استفاده نمی کند بودند. این بیانیه توسط نویسنده اصلی تحقیق ، دکتر استفن ونگ ، استادیار اپیدمیولوژی و علوم داده در دانشگاه ناتینگهام  در انگلستان اظهار شد.

محققان برای ارزیابی احتمال مرگ و میر زودرس افراد ، دو نوع هوش مصنوعی را آزمایش کردند: “یادگیری عمیق” ، که در آن شبکه های پردازش اطلاعاتی لایه ای به رایانه کمک می کنند تا از مثال ها بیاموزد. و “جنگل تصادفی” که نوع ساده تری از هوش مصنوعی است که چندین مدل شبیه به درخت را در هم می آمیزد تا نتایج احتمالی را در نظر بگیرد.

سپس ، آن ها نتیجه گیری مدل های هوش مصنوعی  را با نتایج حاصل از یک الگوریتم استاندارد ، معروف به مدل کاکس (Cox) مقایسه کردند.

با استفاده از این سه مدل داده، دانشمندان داده های موجود در Biobank انگلستان – پایگاه داده ای با دسترسی آزاد به داده های ژنتیکی ، جسمی و بهداشتی – که بین سال های ۲۰۰۶ تا ۲۰۱۶ توسط بیش از ۵۰۰۰۰۰ نفر ارائه شده است را ارزیابی کردند. در طی این مدت ، تقریباً ۱۴۵۰۰ نفر از شرکت کنندگان درگذشتند ، بیشتر در اثر سرطان ، بیماری های قلبی و بیماری های تنفسی.

هوش مصنوعی پیشبینی مرگ

عوامل مختلف

هر سه مدل مشخص کردند که عواملی از جمله سن ، جنسیت ، سابقه مصرف سیگار و تشخیص قبلی سرطان ، عوامل مهمی برای ارزیابی احتمال مرگ زودرس فرد هستند. اما محققان دریافتند که این مدل‌ها شامل عواملی افزوده برعوامل کلیدی دیگر می‌شوند.

مدل کاکس تکیه زیادی به قومیت و فعالیت بدنی داشت ، در حالی که مدل های یادگیری ماشین این چنین نبودند. در مقایسه با این مطالعه ، مدل جنگلی تصادفی بر درصد چربی بدن ، دور کمر ، میزان میوه و سبزیجاتی که افراد می خورند ، و رنگ پوست تاکید بیشتری داشت. برای مدل یادگیری عمیق ، عوامل اصلی شامل قرار گرفتن در معرض خطرات ناشی از شغل، آلودگی هوا ، مصرف الکل و استفاده از داروهای خاص بودند.

زمانیکه تمام محاسبه های عظیم به پایان رسید، الگوریتم یادگیری عمیق دقیق ترین پیش بینی ها را ارائه داد ، به درستی ۷۶ درصد از افرادی که در طول مطالعه فوت کردند را شناسایی کرد. در مقایسه ، مدل جنگل تصادفی به طور صحیح حدود ۶۴ درصد از مرگ های زودرس را پیش بینی کرد ، در حالی که مدل کاکس تنها حدود ۴۴ درصد را مشخص کرد.

این اولین بار نیست که متخصصان از قدرت پیش بینی کننده هوش مصنوعی برای مراقبت های سلامتی استفاده می کنند. در سال ۲۰۱۷ ، تیم دیگری از محققان نشان دادند که هوش مصنوعی می تواند یادگیری تشخیص علائم اولیه بیماری آلزایمر را بیاموزد. الگوریتم آن ها از اسکن های مغز استفاده می کرد تا پیش بینی کند که آیا فرد احتمالاً مبتلا به آلزایمر خواهد بود یا خیر ، و این کار را با دقت حدود ۸۴ درصد انجام میداد.

یک مطالعه دیگر نشان داد که هوش مصنوعی می تواند  مبتلا بودن به اوتیسم در نوزادان ۶ ماهه که در معرض خطر ابتلا به این اختلال بودند را پیش بینی کند. در عین حال یک مطالعه دیگر می تواند علائم مبتلایی به دیابت را با استفاده از اسکن های شبکیه چشم  تشخیص دهد. و یک مورد دیگر – همچنین با استفاده از داده های بدست آمده از اسکن شبکیه – احتمال اینکه یک بیمار دچار حمله قلبی یا سکته مغزی شود را پیش بینی کند.

در تحقیق جدید ، دانشمندان شرح دادند که یادگیری ماشینی – “با تنظیم دقیق” – می تواند برای پیش بینی موفقیت آمیز نتایج مرگ و میر در طول زمان ،  مورد استفاده قرار گیرد.

جو کای ، همکارنویسنده تحقیق ، استاد مراقبت های اولیه در دانشگاه ناتینگهام ، در بیانیه ای گفت.، در حالی که استفاده از هوش مصنوعی به این روش ممکن است برای بسیاری از متخصصان مراقبت های سلامت ناآشنا باشد ، ارائه روش های مورد استفاده در این مطالعه “می تواند به تأیید علمی و توسعه آینده این زمینه هیجان انگیز کمک کند.”

بیشتر بخوانید :

منبع Live Science
0/5 (0 نظر)

درباره‌ی احمدرضا جعفری

همچنین ببینید

گام به گام پروژه یادگیری ماشین در پایتون قسمت اول

گام به گام یک پروژه ی یادگیری ماشین کامل در پایتون – بخش اول

«هدف این مقاله قرار دادن قسمت های مختلف یادگیری ماشین کنار هم است.» وقتی کتاب …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *