Ölüm oranlarını tahmin etmek için yapay zekayı kullanma
Dergide görünen yeni araştırma PLOS ONE makine öğreniminin erken ölüm riskini tahmin etmek için değerli bir araç olabileceğini öne sürüyor. Bilim adamları, yapay zeka tahmininin doğruluğunu, uzmanların şu anda tıbbi araştırmalarda kullandığı istatistiksel yöntemlerle karşılaştırdı.
Son zamanlarda artan sayıda araştırma, bilgisayar algoritmalarının ve yapay zeka (AI) öğreniminin tıp dünyasında oldukça faydalı olabileceğini öne sürüyor.
Örneğin, birkaç ay önce ortaya çıkan bir çalışma, derin öğrenme algoritmalarının Alzheimer hastalığının başlangıcını 6 yıl kadar erken bir zamanda doğru bir şekilde tahmin edebildiğini buldu.
Sözde bir "eğitim veri kümesi" kullanan derin öğrenme algoritmaları, bir olayın meydana gelip gelmeyeceğini ve ne zaman meydana geleceğini tahmin etmek için "kendi kendilerine öğrenebilirler".
Şimdi araştırmacılar, makine öğreniminin kronik hastalık nedeniyle erken ölümleri doğru bir şekilde tahmin edip edemeyeceğini incelemeye koyuldu.
Birleşik Krallık'taki Nottingham Üniversitesi'nde epidemiyoloji ve veri bilimi alanında yardımcı doçent olan Stephen Weng, yeni araştırmaya öncülük etti.
Yapay zeka, önleyici bakıma nasıl yardımcı olabilir?
Weng ve meslektaşları, 40 ila 69 yaşları arasındaki yarım milyondan fazla insanın sağlık verilerini inceledi. Katılımcılar, 2006 ve 2010 yılları arasında Birleşik Krallık Biobank araştırmasına kaydolmuşlardır. Birleşik Krallık Biobank araştırma araştırmacıları, katılımcıları 2016 yılına kadar klinik olarak takip etmiştir.
Mevcut çalışma için, Weng ve ekibi "rastgele orman" ve "derin öğrenme" adı verilen iki modeli kullanarak bir öğrenme algoritmaları sistemi geliştirdi. Modelleri kronik hastalığa bağlı erken ölüm riskini tahmin etmek için kullandılar.
Bilim adamları bu modellerin tahmin doğruluğunu incelediler ve bunları "Cox regresyon" analizi ve çok değişkenli Cox modeli gibi geleneksel tahmin modelleriyle karşılaştırdılar.
Çalışmanın baş araştırmacısı, "National Statistics Office of National Statistics ölüm kayıtları, İngiltere kanser kaydı ve" hastane bölümleri "istatistiklerini kullanarak kohorttan elde edilen ölüm oranı verileriyle sonuç tahminlerini eşleştirdik," diye açıklıyor araştırmanın baş araştırmacısı.
Çalışma, Cox regresyon modelinin erken ölümü tahmin etmede en az doğru olduğunu, çok değişkenli Cox modelinin ise biraz daha iyi olduğunu, ancak muhtemelen ölüm riskini aşırı tahmin ettiğini buldu.
Weng, genel olarak, "makine öğrenimi algoritmaları ölümü tahmin etmede, bir insan uzman tarafından geliştirilen standart tahmin modellerinden önemli ölçüde daha doğruydu" diyor. Araştırmacı ayrıca bulguların klinik önemi hakkında da yorum yapar.
"Önleyici sağlık bakımı, ciddi hastalıklarla mücadelede artan bir önceliktir, bu nedenle genel popülasyonda bilgisayarlı sağlık risk değerlendirmesinin doğruluğunu iyileştirmek için birkaç yıldır çalışıyoruz."
"Çoğu uygulama tek bir hastalık alanına odaklanıyor, ancak birkaç farklı hastalık sonucuna bağlı ölümü tahmin etmek, özellikle onları etkileyebilecek çevresel ve bireysel faktörler göz önüne alındığında oldukça karmaşık."
"Makine öğrenimi yoluyla bir kişinin erken ölüm riskini tahmin etmek için benzersiz ve bütünsel bir yaklaşım geliştirerek bu alanda büyük bir adım attık."
Stephen Weng
Weng, "Bu, değerlendirilen her bir birey için çok çeşitli demografik, biyometrik, klinik ve yaşam tarzı faktörlerini, hatta günlük meyve, sebze ve et tüketimini bile hesaba katan yeni risk tahmin modelleri oluşturmak için bilgisayar kullanıyor" diye açıklıyor Weng.
Dahası, araştırmacılar, yeni çalışmanın sonuçlarının, belirli AI algoritmalarının kalp hastalığı riskini tahmin etmede kardiyologların şu anda kullandığı geleneksel tahmin modellerinden daha iyi olduğunu gösteren önceki bulguları güçlendirdiğini söylüyor.
"Şu anda, sağlık sonuçlarını daha iyi tahmin etmek için" AI "veya" makine öğrenimi "kullanma potansiyeline yoğun bir ilgi var. Bazı durumlarda yardımcı olduğunu görebiliriz, bazılarında ise olmayabilir. Bu özel durumda, dikkatli bir ayarlama ile bu algoritmaların tahmini yararlı bir şekilde iyileştirebileceğini gösterdik, ”diyor çalışma üzerinde çalışan klinik akademisyen Prof. Joe Kai.
“Bu teknikler sağlık araştırmalarında birçok kişi için yeni ve takip edilmesi zor olabilir. Bu yöntemleri şeffaf bir şekilde açıkça bildirerek, bunun bilimsel doğrulamaya ve sağlık hizmetleri için bu heyecan verici alanın gelecekteki gelişimine yardımcı olabileceğine inanıyoruz. "
