Usare l'intelligenza artificiale per prevedere la mortalità
Nuova ricerca che appare sulla rivista PLOS ONE suggerisce che l'apprendimento automatico può essere uno strumento prezioso per prevedere il rischio di morte prematura. Gli scienziati hanno confrontato l'accuratezza della previsione dell'intelligenza artificiale con quella dei metodi statistici che gli esperti stanno attualmente utilizzando nella ricerca medica.
Una quantità crescente di ricerche recenti suggerisce che gli algoritmi informatici e l'apprendimento dell'intelligenza artificiale (AI) possono rivelarsi molto utili nel mondo medico.
Ad esempio, uno studio apparso alcuni mesi fa ha scoperto che gli algoritmi di apprendimento profondo possono prevedere con precisione l'insorgenza della malattia di Alzheimer già con 6 anni di anticipo.
Utilizzando un cosiddetto "set di dati di addestramento", gli algoritmi di apprendimento profondo possono "insegnare da soli" a prevedere se e quando è probabile che si verifichi un evento.
Ora, i ricercatori hanno deciso di esaminare se l'apprendimento automatico può prevedere con precisione la mortalità prematura dovuta a malattie croniche.
Stephen Weng, assistente professore di epidemiologia e scienza dei dati presso l'Università di Nottingham nel Regno Unito, ha guidato la nuova ricerca.
Come l'intelligenza artificiale potrebbe aiutare la cura preventiva
Weng e colleghi hanno esaminato i dati sanitari su oltre mezzo milione di persone di età compresa tra 40 e 69 anni. I partecipanti si erano registrati con lo studio UK Biobank tra il 2006 e il 2010. I ricercatori dello studio UK Biobank hanno seguito clinicamente i partecipanti fino al 2016.
Per lo studio attuale, Weng e il team hanno sviluppato un sistema di algoritmi di apprendimento utilizzando due modelli chiamati "foresta casuale" e "apprendimento profondo". Hanno utilizzato i modelli per prevedere il rischio di morte prematura dovuta a malattie croniche.
Gli scienziati hanno esaminato l'accuratezza predittiva di questi modelli e li hanno confrontati con i modelli di previsione convenzionali, come l'analisi della "regressione di Cox" e un modello di Cox multivariato.
"Abbiamo mappato le previsioni risultanti ai dati di mortalità della coorte utilizzando i record di morte dell'Office of National Statistics, il registro dei tumori del Regno Unito e le statistiche degli" episodi ospedalieri "", spiega il ricercatore principale dello studio.
Lo studio ha rilevato che il modello di regressione di Cox era il meno accurato nel predire la morte prematura, mentre il modello multivariato di Cox era leggermente migliore ma era probabile che sovrastimasse il rischio di morte.
Nel complesso, "gli algoritmi di apprendimento automatico erano significativamente più accurati nel predire la morte rispetto ai modelli di previsione standard sviluppati da un esperto umano", riferisce Weng. Il ricercatore commenta anche il significato clinico dei risultati.
Dice: "L'assistenza sanitaria preventiva è una priorità crescente nella lotta contro malattie gravi, quindi lavoriamo da diversi anni per migliorare l'accuratezza della valutazione computerizzata del rischio per la salute nella popolazione generale".
"La maggior parte delle applicazioni si concentra su una singola area della malattia, ma la previsione della morte a causa di diversi esiti della malattia è estremamente complessa, soprattutto in considerazione dei fattori ambientali e individuali che possono influenzarli".
"Abbiamo compiuto un importante passo avanti in questo campo sviluppando un approccio unico e olistico per prevedere il rischio di morte prematura di una persona tramite l'apprendimento automatico".
Stephen Weng
"Questo utilizza i computer per costruire nuovi modelli di previsione del rischio che tengono conto di una vasta gamma di fattori demografici, biometrici, clinici e di stile di vita per ogni individuo valutato, anche il loro consumo alimentare di frutta, verdura e carne al giorno", spiega Weng.
Inoltre, affermano i ricercatori, i risultati del nuovo studio rafforzano le scoperte precedenti, che hanno dimostrato che alcuni algoritmi di intelligenza artificiale sono migliori nel prevedere il rischio di malattie cardiache rispetto ai modelli di previsione convenzionali attualmente utilizzati dai cardiologi.
"Attualmente vi è un forte interesse per il potenziale di utilizzare" AI "o" machine learning "per prevedere meglio i risultati sulla salute. In alcune situazioni, potremmo trovarlo utile, in altre potrebbe non esserlo. In questo caso particolare, abbiamo dimostrato che con un'attenta messa a punto, questi algoritmi possono migliorare utilmente la previsione ", afferma il Prof. Joe Kai, un accademico clinico che ha anche lavorato allo studio.
Continua: “Queste tecniche possono essere nuove per molti nella ricerca sanitaria e difficili da seguire. Riteniamo che riportando chiaramente questi metodi in modo trasparente, questo potrebbe aiutare con la verifica scientifica e lo sviluppo futuro di questo entusiasmante campo per la sanità ".
