پزشکان محقق از قابلیت هوشمصنوعی در پیشبینی مرگ زودرسِ افراد پرده برداشتهاند.
به گزارش پایگاه خبری «خبردارو» محققان بهتازگی یک سیستم هوشمصنوعی را آموزش دادهاند تا یک دهه دادههای سلامتیِ بیش از نیم میلیون نفر در انگلیس را ارزیابی کند. سپس آنها از هوشمصنوعی خواستند تا ببینند آیا افراد در معرض مرگ زودرس قرار دارند یا خیر؟ پیشبینی مرگ زودرس با الگوریتمهای هوشمصنوعی بهطرز معناداری دقیقتر از پیشبینیهای مدلی بود که از یادگیری ماشین استفاده نکرده بود. دکتر «استفان ونگ» استادیار اپیدمولوژی و علوم داده در دانشگاه ناتینگهام انگلیس، میگوید: «برای ارزیابی احتمال مرگ زودرس افراد، ما به آزمایش دو نوع هوشمصنوعی پرداختیم؛ یادگیری عمیق که در آن شبکههای پردازش اطلاعات لایه لایه به کامپیوتر کمک میکنند تا از نمونهها یاد بگیرد و جنگل تصادفی؛ نوع سادهتری از هوشمصنوعی که مدلهای درختی متعددی را با هم ادغام میکند تا برآیندهای احتمالی را بررسی کند. در وهلهی بعدی، ما نتایج مدلهای هوشمصنوعی را با نتایج حاصل از یک الگوریتم استاندارد بهنام «مدل Cox» مقایسه کردیم.»
محققان با استفاده از این سه مدل به ارزیابی دادههای موجود در پایگاه داده « UK Biobank» پرداختند؛ این پایگاهداده حاوی دادههای بیش از ۵۰۰،۰۰۰ نفر بین سالهای ۲۰۰۶ تا ۲۰۱۶ است. در طول این بازهی زمانی، نزدیک به ۱۴،۵۰۰ نفر از شرکتکنندگان فوت کردند؛ عمدتاً به دلیل سرطان، بیماریهای قلبی و بیماریهای تنفسی. هر سه مدل مشخص کردند که عواملی از قبیل سِن، جنسیت، سابقهی مصرف دخانیات و تشخیص سرطان از جمله متغیرهای اصلی برای ارزیابی احتمال مرگ زودرس افراد بودند. مدل Cox تا حدود زیادی بر قومیت و فعالیت فیزیکی تکیه داشت، اما مدلهای یادگیری ماشین، رویهی دیگری در پیش گرفته بودند. در حالت مقایسه، مدل جنگل تصادفی بر درصد چربی بدن، میزان میوه و سبزیجاتی که مردم مصرف میکنند و کشیدگی پوست تاکید بیشتری داشت. در مدل یادگیری عمیق هم عوامل عمده عبارت بودند از قرارگیری در معرض خطرات شغلی، آلودگی هوا، مصرف نوشیدنیهای الکلی و استفاده از داروهای خاص. پس از پایان فرآیندهای محاسباتی، الگوریتم یادگیری عمیق توانست دقیقترین پیشبینی را انجام بدهد؛ این الگوریتم موفق به شناسایی ۷۶ درصد از افرادی شد که در طول مطالعه فوت کردند. در عین حال، مدل جنگل تصادفی به درستی ۶۴ درصد مرگ زودرس را پیشبینی کرد؛ اما مدل Cox تنها در شناسایی ۴۴ درصد عملکرد خوبی داشت.
این اولینبار نیست که کارشناسان از قدرت پیشبینی هوشمصنوعی برای مراقبتهای پزشکی بهره بردهاند. در سال ۲۰۱۷ میلادی، گروه متفاوتی از محققان نشان دادند که هوشمصنوعی میتواند نشانههای اولیهی بیماری آلزایمر را تشخیص بدهد؛ الگوریتم آنها اسکنهای مغزی را مورد ارزیابی قرار داد تا پیشبینی کند آیا احتمال دارد فرد دچار بیماری آلزایمر شود یا خیر؟ الگوریتم مورد نظر توانست این کار را با ۸۴ درصد درستی انجام بدهد. بر اساس یافتههای یکی از مطالعات دیگر، هوشمصنوعی توانست شروع بیماری اوتیسم را در نوزادان شش ماههای که در معرض خطر بالایی برای ابتلا به این اختلال داشتند، پیشبینی نماید. در مطالعهای دیگر، دانشمندان با کمک هوشمصنوعی، نشانههای دیابت را با تحلیل اسکن شبکیه چشم تشخیص دادند. آنان همچنین با استفاده از دادههای حاصل از اسکن شبکیهی چشم، احتمال ابتلای بیماران به حملهی قلبی یا سکته را پیشبینی کردند. دانشمندان در مطالعه جدیدشان نشان دادند که یادگیری ماشین با راهکار مناسب میتواند با گذشت زمان برای پیشبینی موفق مرگ و میر استفاده شود.
اگر چه استفاده از هوشمصنوعی به این روش شاید برای خیلی از ارائهدهندگان مراقبتهای پزشکی ناآشنا باشد، اما ارائهی روشهای استفاده شده در این مطالعه میتواند نقش مفیدی در توسعهی آتی این حوزهی هیجانانگیز داشته باشد. یافتههای این تحقیق در مجلهی PLOS ONE منتشر شده است.