A projektről
Nagymértékben javíthatják a preventív egészségügyi ellátást azok a számítógépek, amelyek képesek megtanítani magukat a korai halálesetek előrejelzésére – derül ki a Nottinghami Egyetem szakértőinek tanulmányából.
Az egészségügyi adatok kutatóiból és orvosokból álló csapat számítógép-alapú gépi tanuló algoritmusokat dolgoztak ki és teszteltek, hogy megjósolják a krónikus betegségek okozta korai elhalálózás kockázatát. Ehhez a minta egy nagymennyiségű, középkorú sokaság volt – a csapat több mint félmillió, 40 és 69 év közötti személy egészségügyi adatait használta fel.
Az így kialakított AI rendszer nem csak, hogy nagyon pontos volt az előrejelzések során, de valójában jobban is teljesített, mint a jelenleg használt előrejelzési módszer, amit szakértők dolgoztak ki. A projektben résztvevő kb. 500 000 ember többféle mérésen esett át, vér-, vizelet- és nyálmintákat szolgáltattak a jövőbeni elemzésekhez, részletes információkat adtak meg saját magukról, és beleegyeztek abba is, hogy az egészségi állapotukat nyomon fogják követni.
Nagy előrelépés történt
Dr. Stephen Weng, a munkát vezető egyetemi adjunktus (Epidemiológia és Adat-tudomány) ezt nyilatkozta: „A megelőző egészségügyi ellátás egyre nagyobb prioritást élvez a súlyos betegségek elleni küzdelemben, így több éve dolgozunk a számítógépes egészségügyi kockázatértékelés pontosságának javításán. A legtöbb alkalmazás egyetlen betegségre összpontosít, de a különböző betegségek esetében a halál előrejelzése rendkívül összetett, különösen az egyes személyeket érintő, adott környezeti és egyéni tényezők miatt.
“Nagy előrelépést tettünk ezen a területen: egyedülálló és holisztikus megközelítést dolgoztunk ki, hogy előrejelezzük a gépi tanulás segítségével a korai elhalálozás kockázatát. A kockázati előrejelzések során igen széleskörű demográfiai, biometrikus, klinikai és életmódbeli tényezők kerülnek megvizsgálásra minden egyes személy esetében, még a napi gyümölcs-, zöldség- és húsfogyasztásuk is.” -fejtette ki Weng.
Az új tanulmányban használt AI gépi tanulási modellek a „random forest” és a „deep learning”. Ezeket alkalmazták a már használt, életkoron és nemen alapuló Cox regressziós előrejelzési modellel (ez a legkisebb pontosságú az elhalálozás pontosságát illetően), és a többváltozós Cox modellel szemben, amely, bár jobban működött, de túlbecsülte a kockázatot.
További kutatásokat terveznek
Joe Kai professzor, a projekten dolgozó klinikai akadémikusok egyike azt mondta: “Jelenleg nagy az érdeklődés az AI vagy a gépi tanulás használatának lehetősége iránt, hogy az egészségügyi eredmények jobban előrejelezhetőek legyenek. Ebben a konkrét esetben sikerült megmutatnunk, hogy gondos „hangolással” ezek az algoritmusok valóban hasznosan javíthatják az előrejelzést.”
“Ezek a technikák sokak számára újak lehetnek az egészségügyi kutatásban, és nehezen követhetők. Úgy véljük, hogyha ezek a módszerek transzparens, és egyértelmű módon riportálva vannak, az segíti ennek az izgalmas szakterületnek a tudományos ellenőrzését és jövőbeli fejlesztését.” – hangzott el Kaitól.
Ez az új tanulmány a csapat korábbi munkájára épül, amely azt mutatta, hogy négy különböző AI-algoritmus, a „random forest”, „logistic regression”, „gradient boosting” és „neural networks” jelentősen jobb eredménnyel jósolták meg a kardiovaszkuláris betegségeket, mint egy, a jelenlegi kardiológiai irányelvekben használt algoritmus.
A Nottinghami Egyetem kutatói úgy gondolják, hogy az AI fontos szerepet fog játszani az olyan jövőbeli eszközök létrehozásában, amelyek képesek a gyógyszereket, illetve a kockázatkezelést is az egyes páciensekre szabni.
A további kutatások megkövetelik, hogy ezeket az AI-algoritmusokat más sokaságokon is ellenőrizzék és validálják, továbbá, hogy vizsgálják meg, milyen módon lehet ezeket a rendszereket a rutinszerű egészségügyi ellátások során alkalmazni.
Ha érdekelnek a részletek, a tanulmány itt érhető el.
