În prezent, medicii au multe modalități de a prezice sănătatea unui pacient. Niciunul dintre ele, însă, nu este universal și multe patologii (de exemplu, atacuri de cord) sunt foarte greu de prevăzut. Oamenii de știință au demonstrat că calculatoarele capabile să se autoînvețe pot performa chiar mai bine decât practicile medicale standard și îmbunătățesc semnificativ calitatea predicțiilor. Dacă această practică este pusă în aplicare, noua metodă va ajuta la salvarea a mii, dacă nu chiar milioane de vieți în fiecare an.
În fiecare an, aproximativ 20 de milioane de oameni mor din cauza bolilor cardiovasculare, inclusiv atacuri de cord, accidente vasculare cerebrale, artere înfundate și alte boli cardiovasculare. Pentru a încerca să prezice astfel de complicații, medicii din țările occidentale folosesc liniile directoare ale Colegiului American de Cardiologie / Asociației Americane a Inimii (ACC / AHA). Se bazează pe opt factori de risc, inclusiv vârsta, nivelul de colesterol din sânge și tensiunea arterială, din care medicul încearcă să compună o singură imagine a bolii.
În multe cazuri, această abordare este adesea prea simplistă, în plus, alți factori pot afecta corpul pacientului, ca urmare a cărora se pot dezvolta boli cardiovasculare. Într-un nou studiu, Stephen Wan, un epidemiolog de la Universitatea din Nottingham din Marea Britanie, a comparat directivele ACC / AHA cu patru algoritmi de învățare automată: pădure aleatoare, regresie logistică, creșterea gradientului și o rețea neuronală. Toți cei patru algoritmi au avut ca scop analizarea multor date care, în teorie, ar permite AI-ului să facă predicții medicale mai bune decât oamenii. În acest caz, datele au fost obținute din înregistrări electronice de sănătate de 378.256 pacienți din Marea Britanie. Scopul a fost de a găsi înregistrări de probe care au fost asociate cu evenimente cardiovasculare.
În primul rând, algoritmii de inteligență artificială (AI) au trebuit să se antreneze singuri. Au folosit aproximativ 78% din date - aproximativ 295.267 de înregistrări - pentru a căuta tiparele și a crea propriile lor „recomandări” interne. Apoi s-au testat pe restul documentelor. Folosind date din 2005, algoritmii au prezis care pacienți vor avea probleme cardiace și vasculare în următorii 10 ani și apoi și-au testat ipotezele folosind înregistrările din 2015. Spre deosebire de orientările ACC / AHA, învățarea automată a fost permisă să țină seama de încă 22 de puncte de date, inclusiv etnie, artrită și boli de rinichi.
Drept urmare, toate cele patru metode de AI s-au dovedit a fi mult mai eficiente la prognoză decât recomandările ACC / AHA. Folosind statisticile ASC (unde 1.0 este exact 100%), directivele ACC / AHA au ajuns la 0.728. Cele patru noi metode au variat de la 0,745 la 0,764, după cum a raportat echipa lui Wen în revista PLOS ONE. În eșantionul de testare au participat aproximativ 83.000 de intrări, iar în lupta dintre AI și om, mașinile au „salvat” încă 355 de pacienți. Acest lucru se datorează faptului că, spune Wen, predicția duce adesea la prevenire, prin scăderea colesterolului sau modificări alimentare.
Unii dintre factorii de risc pe care algoritmii de învățare automată au identificat-o ca fiind cei mai puternici predictori nu sunt incluși în ghidurile ACC / AHA. Acestea includ, de exemplu, boli psihice severe și administrarea orală de corticosteroizi. Între timp, niciunul dintre parametrii care se află pe lista ACC / AHA nu se numără printre cei mai importanți 10 predictori de către mașină (și chiar diabet). În viitor, Weng speră să includă și altele sociale și genetice pentru a îmbunătăți în continuare acuratețea algoritmilor.
Vasily Makarov
