استخدام الذكاء الاصطناعي للتنبؤ بالوفيات
بحث جديد يظهر في المجلة بلوس واحد يقترح أن التعلم الآلي يمكن أن يكون أداة قيمة للتنبؤ بخطر الموت المبكر. قارن العلماء دقة التنبؤ بالذكاء الاصطناعي مع دقة الأساليب الإحصائية التي يستخدمها الخبراء حاليًا في البحث الطبي.
تشير كمية متزايدة من الأبحاث الحديثة إلى أن خوارزميات الكمبيوتر وتعلم الذكاء الاصطناعي (AI) يمكن أن تكون مفيدة للغاية في عالم الطب.
على سبيل المثال ، وجدت دراسة ظهرت قبل بضعة أشهر أن خوارزميات التعلم العميق يمكنها التنبؤ بدقة بظهور مرض الزهايمر في وقت مبكر قبل 6 سنوات.
باستخدام ما يسمى بـ "مجموعة بيانات التدريب" ، يمكن لخوارزميات التعلم العميق "تعليم نفسها" للتنبؤ بما إذا كان من المحتمل حدوث حدث ومتى.
الآن ، شرع الباحثون في دراسة ما إذا كان التعلم الآلي يمكن أن يتنبأ بدقة بالوفيات المبكرة بسبب الأمراض المزمنة.
قاد البحث الجديد ستيفن وينغ ، وهو أستاذ مساعد في علم الأوبئة وعلوم البيانات في جامعة نوتنغهام في المملكة المتحدة.
كيف يمكن أن يساعد الذكاء الاصطناعي في الرعاية الوقائية
فحص ونج وزملاؤه البيانات الصحية لأكثر من نصف مليون شخص تتراوح أعمارهم بين 40 و 69 عامًا. سجل المشاركون في دراسة البنك الحيوي في المملكة المتحدة بين عامي 2006 و 2010. تابع باحثو دراسة البنك الحيوي في المملكة المتحدة المشاركين سريريًا حتى عام 2016.
بالنسبة للدراسة الحالية ، طور Weng وفريقه نظامًا لخوارزميات التعلم باستخدام نموذجين يسمى "الغابة العشوائية" و "التعلم العميق". استخدموا النماذج للتنبؤ بخطر الوفاة المبكرة بسبب الأمراض المزمنة.
قام العلماء بفحص الدقة التنبؤية لهذه النماذج وقارنوها بنماذج التنبؤ التقليدية ، مثل تحليل "انحدار كوكس" ونموذج كوكس متعدد المتغيرات.
يوضح المحقق الرئيسي في الدراسة: "قمنا برسم خرائط للتنبؤات الناتجة لبيانات الوفيات من المجموعة باستخدام سجلات الوفيات في مكتب الإحصاء الوطني ، وسجل السرطان في المملكة المتحدة ، وإحصاءات" حلقات المستشفى ".
وجدت الدراسة أن نموذج انحدار كوكس كان الأقل دقة في التنبؤ بالوفاة المبكرة ، في حين أن نموذج كوكس متعدد المتغيرات كان أفضل قليلاً ولكن كان من المرجح أن يبالغ في التنبؤ بخطر الموت.
بشكل عام ، "كانت خوارزميات التعلم الآلي أكثر دقة في التنبؤ بالموت من نماذج التنبؤ القياسية التي طورها خبير بشري" ، وفقًا لتقرير ونغ. يعلق الباحث أيضًا على الأهمية السريرية للنتائج.
يقول: "الرعاية الصحية الوقائية هي أولوية متزايدة في مكافحة الأمراض الخطيرة ، لذلك نحن نعمل منذ عدد من السنوات لتحسين دقة تقييم المخاطر الصحية المحوسبة في عموم السكان."
"تركز معظم التطبيقات على منطقة مرض واحدة ، ولكن توقع الوفاة بسبب العديد من نتائج المرض المختلفة أمر معقد للغاية ، لا سيما بالنظر إلى العوامل البيئية والفردية التي قد تؤثر عليها."
"لقد اتخذنا خطوة كبيرة إلى الأمام في هذا المجال من خلال تطوير نهج فريد وشامل للتنبؤ بخطر الموت المبكر لشخص ما عن طريق التعلم الآلي."
ستيفن وينج
يوضح وينغ: "يستخدم هذا أجهزة الكمبيوتر لبناء نماذج جديدة للتنبؤ بالمخاطر تأخذ في الاعتبار مجموعة واسعة من العوامل الديموغرافية والبيومترية والسريرية ونمط الحياة لكل فرد تم تقييمه ، حتى استهلاكهم الغذائي للفواكه والخضروات واللحوم يوميًا".
علاوة على ذلك ، كما يقول الباحثون ، فإن نتائج الدراسة الجديدة تعزز النتائج السابقة ، والتي أظهرت أن بعض خوارزميات الذكاء الاصطناعي أفضل في التنبؤ بمخاطر الإصابة بأمراض القلب من نماذج التنبؤ التقليدية التي يستخدمها أطباء القلب حاليًا.
"يوجد حاليًا اهتمام كبير بإمكانية استخدام" الذكاء الاصطناعي "أو" التعلم الآلي "للتنبؤ بالنتائج الصحية بشكل أفضل. في بعض المواقف ، قد نجدها مفيدة ، وقد لا تجدها في حالات أخرى.في هذه الحالة بالذات ، أظهرنا أنه من خلال الضبط الدقيق ، يمكن لهذه الخوارزميات تحسين التنبؤ بشكل مفيد "، كما يقول البروفيسور جو كاي ، الأكاديمي السريري الذي عمل أيضًا في الدراسة.
ويتابع قائلاً: "يمكن أن تكون هذه التقنيات جديدة على الكثيرين في مجال البحوث الصحية ويصعب اتباعها. نعتقد أنه من خلال الإبلاغ بوضوح عن هذه الأساليب بطريقة شفافة ، يمكن أن يساعد ذلك في التحقق العلمي والتطوير المستقبلي لهذا المجال المثير للرعاية الصحية ".
