Бразильскому роботу удалось предсказать смерть от респираторных заболеваний – 05.07.2021 – Наука

Представьте себе точное предсказание того, как и когда человек умрет. Такая детерминированная реальность кажется несколько далекой – если это вообще возможно – но исследователи USP достигли высокого уровня прогнозирования смертей от респираторных заболеваний с помощью машинного обучения.

Благодаря искусственному интеллекту ученым удалось идентифицировать до 88% смертей от респираторных заболеваний. Среди изученной группы людей исследователи также оценили риск смерти от этих заболеваний от самого низкого до самого высокого. В группе с наибольшим риском (25% выборки) было 100% случаев смерти от респираторных заболеваний.

Covid-19 не входил в анализ исследователей.

Смертность, вызванная сердечно-сосудистыми проблемами, новообразованиями, которые наряду с респираторными заболеваниями являются основными причинами смерти в Бразилии, также оценивались, но в этих случаях прогноз не дал хороших результатов.

К настоящему времени вы, должно быть, слышали о машинном обучении в какой-то момент за последние несколько лет. Идея состоит в том, чтобы в очень кратком и общем виде снабдить программу определенным объемом информации в качестве формы обучения. На этом этапе цель состоит в том, чтобы приложение могло уловить закономерности в этих данных, которые могут ускользнуть от человеческого глаза.

Затем программе предоставляется еще один набор данных, чтобы попытаться определить закономерности и дать ответы, которые мы, люди, не можем дать.

Именно это и сделали исследователи USP с данными жителей Сан-Паулу в возрасте 60 лет и старше, собранными за последние два десятилетия.

Ученые из Labdaps (Лаборатория больших данных и прогнозного анализа в области здравоохранения) Школы общественного здравоохранения Фармакопеи США использовали базу данных обследования Sabe (Здоровье, благополучие и старение) того же колледжа, ориентированного на жителей города. Сан-Паулу с 60 и более лет.

В обзоре Labdaps, опубликованном на этой неделе в журнале Age and Aging, причины смерти людей наблюдались в течение пяти лет после интервью, проведенного Sabe, которое началось в 2000 году, с данными, собранными в течение последующих лет. Для исследования алгоритмов машинного обучения ученые использовали данные, собранные Sabe в 2006 и 2010 годах, которые составили 1767 человек.

Сабэ, однако, не предназначалось для обозначения смертности. По этой причине исследователям пришлось перепроверить эту информацию с данными о смертях из муниципалитета Сан-Паулу.

После того, как кроссовер был выполнен, алгоритм машинного обучения был загружен для обучения с 70% базы данных. Остальные 30% были использованы для теста прогнозирования.

По словам авторов, это одно из самых глубоких исследований, когда-либо проводившихся по прогнозированию смерти в больших популяциях. «В литературе описывается применение машинного обучения для выявления рисков в конкретных группах населения. Например, у людей, у которых уже есть проблемы с сердцем, у людей, у которых уже диагностирован рак », – объясняет Карла Насименто, докторант в области общественного здравоохранения в USP, исследователь Labdaps и один из авторов исследования.

Цель этого типа технологий – повлиять на клиническое поведение медицинских работников.

«Это открывает ряд возможностей для принятия превентивных мер, вплоть до предотвращения смерти», – говорит Александр Кьявегатто Филью, директор Labdaps. «Это не то, что вы собираетесь умереть, и вам не нужно ничего с этим делать. Главное в знании – предотвратить это».

Хотя эта информация теоретически предназначена только для медицинского персонала, пациенты также могут иметь доступ к данным. И возникает вопрос: «Захотят ли люди это знать?» – спрашивает Киавегатто Филью.

«Некоторые люди боятся, когда осознают риск получения результата. Но я тоже не думаю, что это постоянный страх », – говорит Насименто. «Но я думаю применить это не к сбережениям, а к профессионалам».

Команда исследователей намерена двигаться вперед в этой вселенной и стремиться понять, в какой степени этот тип технологий может фактически изменить клиническое поведение. Для этого идея состоит в том, чтобы провести рандомизированное исследование, сделав программу доступной для группы врачей, в то время как другая группа не сможет получить доступ к технологии. После этого за пациентами этих профессионалов будут следить.

Приложение будет доступно для сети из 30 больниц по всей Бразилии через платформу под названием RandomIA, которая финансировалась Microsoft и Fapesq (Фонд поддержки исследований в штате Параиба).

Однако, прежде чем сделать алгоритм искусственного интеллекта доступным, команда Labdaps пытается понять, какую информацию врачи хотят видеть в приложении.

«Он хочет чего-то очень простого?» Этот пациент умрет через 5 лет от сердечно-сосудистого заболевания. «Ему нужна вероятность? Или предоставить вероятности и степени неопределенности», – говорит Кьявегатто Филью. «Иногда слишком много деталей может быть очень сложным, и врач может в конечном итоге проигнорировать информацию. А с некоторыми деталями врач может в конечном итоге не доверять этому результату».

Однако следует отметить, что этот вид технологических приложений в области здравоохранения все еще находится на стадии изучения, а не настолько близок к применению в медицинской практике.

Директор Labdaps считает, что, когда они станут широко доступными, механизмы этого типа будут хорошо восприняты медицинским сообществом. Он сравнивает ситуацию с приложением Waze, которое предлагает варианты маршрута на основе большого количества собранных данных, к которым у водителя может быть непростой доступ.

«Количество сложных и сложных решений, которые врачи принимают в течение дня, впечатляет, – говорит Кьявегатто Филью. «Врач тратит много времени на сбор информации от пациентов и разрозненную информацию. Ничто не объединяет всю эту информацию и не помогает в принятии решения. Это то, что приносит искусственный интеллект».

Back to top button