فتح الباحثون الطبيون قدرة مقلقة في الذكاء الاصطناعي (AI): توقع الموت المبكر للشخص.
قام العلماء مؤخرًا بتدريب نظام الذكاء الاصطناعي لتقييم عقد من بيانات الصحة العامة المقدمة من قبل أكثر من نصف مليون شخص في المملكة المتحدة. وبعد ذلك ، كلفوا منظمة العفو الدولية بالتنبؤ بما إذا كان الأفراد معرضين لخطر الموت قبل الأوان - وبعبارة أخرى ، في وقت أقرب من متوسط العمر المتوقع - من الأمراض المزمنة ، حسبما أفادوا في دراسة جديدة.
كانت التنبؤات بالوفاة المبكرة التي أجرتها خوارزميات الذكاء الاصطناعي "أكثر دقة بكثير" من التنبؤات التي قدمها نموذج لم يستخدم التعلم الآلي ، المؤلف الرئيسي للدراسة الدكتور ستيفين ونغ ، أستاذ مساعد في علم الأوبئة وعلوم البيانات في جامعة وقالت نوتينغهام (الأمم المتحدة) في المملكة المتحدة في بيان.
لتقييم احتمالية الوفاة المبكرة للموضوعات ، اختبر الباحثون نوعين من الذكاء الاصطناعي: "التعلم العميق" ، حيث تساعد شبكات معالجة المعلومات متعددة الطبقات الكمبيوتر على التعلم من الأمثلة ؛ و "غابة عشوائية" ، وهو نوع أبسط من الذكاء الاصطناعي يجمع بين نماذج متعددة تشبه الشجرة للنظر في النتائج المحتملة.
ثم قارنوا استنتاجات نماذج الذكاء الاصطناعي بنتائج خوارزمية قياسية تعرف باسم نموذج كوكس.
باستخدام هذه النماذج الثلاثة ، قام العلماء بتقييم البيانات في البنك الحيوي البريطاني - وهي قاعدة بيانات مفتوحة الوصول للبيانات الجينية والفيزيائية والصحية - قدمها أكثر من 500000 شخص بين عامي 2006 و 2016. وخلال ذلك الوقت ، توفي ما يقرب من 14500 من المشاركين ، في المقام الأول من السرطان وأمراض القلب والجهاز التنفسي.
المتغيرات المختلفة
حددت جميع النماذج الثلاثة أن عوامل مثل العمر والجنس وتاريخ التدخين والتشخيص المسبق للسرطان كانت من أهم المتغيرات لتقييم احتمالية الوفاة المبكرة للشخص. ووجد الباحثون أن النماذج اختلفت حول عوامل رئيسية أخرى.
اعتمد نموذج كوكس بشكل كبير على العرق والنشاط البدني ، في حين أن نماذج التعلم الآلي لم تفعل ذلك. وبالمقارنة ، ركز نموذج الغابات العشوائية بشكل أكبر على نسبة الدهون في الجسم ومحيط الخصر وكمية الفاكهة والخضروات التي تناولها الناس ولون البشرة ، وفقًا للدراسة. بالنسبة لنموذج التعلم العميق ، تضمنت العوامل الرئيسية التعرض للمخاطر المتعلقة بالوظائف وتلوث الهواء ، وتناول الكحول ، واستخدام بعض الأدوية.
عندما تم حل جميع الأرقام ، قدمت خوارزمية التعلم العميق أكثر التوقعات دقة ، وحددت بشكل صحيح 76 بالمائة من الأشخاص الذين ماتوا خلال فترة الدراسة. وبالمقارنة ، تنبأ نموذج الغابات العشوائية بشكل صحيح بحوالي 64 في المائة من الوفيات المبكرة ، بينما حدد نموذج كوكس حوالي 44 في المائة فقط.
هذه ليست المرة الأولى التي يستخدم فيها الخبراء القوة التنبؤية لمنظمة العفو الدولية في مجال الرعاية الصحية. في عام 2017 ، أظهر فريق مختلف من الباحثين أن الذكاء الاصطناعي يمكن أن يتعلم اكتشاف العلامات المبكرة لمرض الزهايمر. قامت خوارزميتهم بتقييم فحوصات الدماغ للتنبؤ بما إذا كان الشخص من المحتمل أن يصاب بمرض الزهايمر ، وقد فعلت ذلك بدقة تبلغ 84 في المائة ، حسبما ذكرت Live Science سابقًا.
وجدت دراسة أخرى أن الذكاء الاصطناعي يمكن أن يتنبأ ببداية التوحد في الأطفال بعمر 6 أشهر الذين كانوا عرضة لخطر الإصابة بالاضطراب. دراسة أخرى يمكن أن تكشف علامات الزحف على مرض السكري من خلال تحليل مسوحات شبكية العين. وتوقع شخص آخر - أيضًا باستخدام البيانات المستمدة من عمليات فحص الشبكية - احتمالية إصابة المريض بنوبة قلبية أو سكتة دماغية.
وقال جو كاي ، أستاذ مشارك في الدراسة بالأمم المتحدة ، في البيان ، في الدراسة الجديدة ، أظهر العلماء أن التعلم الآلي - "مع الضبط الدقيق" - يمكن استخدامه للتنبؤ بنجاح بنتائج الوفيات بمرور الوقت.
وقال كاي إنه في حين أن استخدام الذكاء الاصطناعي بهذه الطريقة قد يكون غير مألوف للعديد من المتخصصين في الرعاية الصحية ، فإن تقديم الأساليب المستخدمة في الدراسة "يمكن أن يساعد في التحقق العلمي والتطوير المستقبلي لهذا المجال المثير".
تم نشر النتائج على الإنترنت اليوم (27 مارس) في مجلة PLOS ONE.
