Επιστήμονες και γιατροί από το Πανεπιστήμιο του Νότιγχαμ υπό την καθοδήγηση του Stephen Weng, επίκουρου καθηγητή Επιδημιολογίας, χρησιμοποίησαν στοιχεία από μισό εκατομμύριο ανθρώπους για να αναπτύξουν ένα εργαλείο τεχνητής νοημοσύνης που προβλέπει ποιος κινδυνεύει από πρόωρο θάνατο.
Σύμφωνα με τη μελέτη που δημοσιεύθηκε στο PLOS ONE, το εργαλείο αυτό λαμβάνει υπόψη στοιχεία που ποικίλουν, από το οικογενειακό ιστορικό νοσηρότητας του ατόμου και το πόσο αλάτι τρώει, μέχρι τη χρήση φαρμάκων και το αν φορά αντηλιακό.
Πιο αναλυτικά, ο αλγόριθμος τεχνητής νοημοσύνης δημιουργήθηκε από δεδομένα 502.628 ατόμων ηλικίας από 40 έως 69 ετών που συμμετείχαν στη μελέτη UK Biobank μεταξύ 2006 και 2010 και παρακολουθήθηκαν μέχρι το 2016.
Έλαβε υπόψη 60 προγνωστικά υγείας, μεταξύ των οποίων ο δείκτης μάζας σώματος των συμμετεχόντων, η αρτηριακή πίεση του αίματος και η χρήση βιταμινών ή συμπληρωμάτων. Περιέλαβε, επίσης πληροφορίες σχετικά με την κατανάλωση φρούτων, λαχανικών, κρέατος, τυριού, δημητριακών, ψαριών και αλκοόλ από τους συμμετέχοντες.
Στη συνέχεια, οι ερευνητές χαρτογράφησαν τις προβλέψεις που προέκυψαν και τα στοιχεία θνησιμότητας από διάφορα επίσημα στατιστικά αρχεία και συνέκριναν το μοντέλο με δύο τυπικές τεχνικές μηχανικής μάθησης. Τα αποτελέσματα έδειξαν ότι το σύστημα τεχνητής νοημοσύνης ήταν «πολύ ακριβές» στις δοκιμές και περίπου 10% πιο αξιόπιστο από τις εκτιμήσεις που προκύπτουν από τα υπάρχοντα συστήματα μηχανικής μάθησης.
«Εργαζόμαστε εδώ και πολλά χρόνια για να βελτιώσουμε την ακρίβεια εκτίμησης του κινδύνου για την υγεία στον γενικό πληθυσμό. Οι περισσότερες εφαρμογές επικεντρώνονται σε ένα μόνο τομέα ασθενειών, αλλά η πρόβλεψη θανάτου λόγω πολλών διαφορετικών παθήσεων είναι εξαιρετικά περίπλοκη, ιδιαιτέρως αν λάβουμε υπόψη τους περιβαλλοντικούς και ατομικούς παράγοντες που μπορούν να την επηρεάσουν. Έχουμε κάνει ένα μεγάλο βήμα προς αυτή την κατεύθυνση, αναπτύσσοντας μια μοναδική και ολιστική προσέγγιση για την πρόβλεψη του κινδύνου πρόωρου θανάτου», δήλωσε ο Δρ. Weng.
Σε σχετικό σχόλιό του, ο βασικός συγγραφέας της μελέτης και επικεφαλής του τμήματος Πρωτοβάθμιας Φροντίδας στη Σχολή Ιατρικής και Επιστημών Υγείας, καθηγητής Joe Kai σημειώνει: «Στη μελέτη αυτή αποδείξαμε ότι με προσεκτική ρύθμιση, αυτοί οι αλγόριθμοι μπορούν να βελτιώσουν σημαντικά την πρόβλεψη. «Πιστεύουμε ότι αν περιγράψουμε σωστά και με σαφήνεια τη μέθοδο αυτή, θα συμβάλουμε στην επιστημονική επαλήθευση και τη μελλοντική ανάπτυξη αυτού του συναρπαστικού για την υγειονομική περίθαλψη τομέα», προσθέτει.
Γενικότερα, πάντως, οι επιστήμονες προβλέπουν ότι η τεχνητή νοημοσύνη θα διαδραματίσει ζωτικό ρόλο στην ανάπτυξη της εξατομικευμένης ιατρικής, εκφράζοντας, ωστόσο, τις προειδοποιήσεις τους για την ανάγκη περαιτέρω έρευνας για την αποτελεσματικότητα της μηχανικής μάθησης σε άλλες ομάδες πληθυσμού, καθώς και για την ενσωμάτωση της τεχνητής νοημοσύνης στην καθημερινή υγειονομική περίθαλψη.
