В момента лекарите имат много начини да прогнозират здравето на пациент. Нито една от тях обаче не е универсална и много патологии (например инфаркти) са много трудни за прогнозиране. Учените доказаха, че компютрите, способни да се самообучават, могат да се представят дори по-добре от стандартните медицински практики и значително да подобрят качеството на прогнозирането. Ако тази практика бъде приложена, новият метод ще помогне да се спасят хиляди, ако не и милиони животи всяка година.
Всяка година около 20 милиона души умират от сърдечно-съдови заболявания, включително инфаркти, инсулти, запушени артерии и други сърдечно-съдови заболявания. За да се опитат да предскажат подобни усложнения, лекарите в западните страни използват насоките на Американския колеж по кардиология / Американска сърдечна асоциация (ACC / AHA). Те се основават на осем рискови фактора, включително възраст, нива на холестерол в кръвта и кръвно налягане, от които лекарят се опитва да състави единична картина на заболяването.
В много случаи този подход често е прекалено опростен, освен това други фактори могат да повлияят на тялото на пациента, в резултат на което могат да се развият сърдечно-съдови заболявания. В ново проучване Стивън Уан, епидемиолог от Университета в Нотингам във Великобритания, сравнява директивите на ACC / AHA с четири алгоритма за машинно обучение: произволна гора, логистична регресия, увеличаване на градиентите и невронна мрежа. И четирите алгоритма бяха насочени към анализ на много данни, които на теория биха позволили на AI да прави медицински прогнози по-добри от хората. В този случай данните са получени от електронни здравни записи на 378 256 пациенти във Великобритания. Целта беше да се намерят примерни записи, които бяха свързани със сърдечно-съдови събития.
Първо, алгоритмите за изкуствен интелект (AI) трябваше да тренират самостоятелно. Те използваха около 78% от данните - приблизително 295 267 записа, за да търсят модели и да създадат свои собствени вътрешни „препоръки“. После тествали себе си върху останалите документи. Използвайки данни от 2005 г., алгоритмите прогнозираха кои пациенти ще получат сърдечни и съдови проблеми през следващите 10 години и след това тестваха своите предположения, използвайки записи от 2015 г. Противно на указанията ACC / AHA, машинното обучение беше позволено да вземе предвид още 22 точки от данни, включително етническа принадлежност, артрит и бъбречни заболявания.
В резултат на това и четирите метода на ИИ са били много по-ефективни при прогнозиране от препоръките на ACC / AHA. Използвайки AUC статистиката (където 1.0 е 100% точна), ACC / AHA директивите са достигнали 0.728. Четирите нови метода варират от 0,745 до 0,764, както екипът на Вен съобщи в списание PLOS ONE. В тестовата извадка взеха участие около 83 000 записа, а в битката между AI и човека машините „спасиха“още 355 пациенти. Това е така, защото, казва Уен, прогнозата често води до превенция, чрез намаляване на холестерола или промени в диетата.
Някои от рисковите фактори, които алгоритмите за машинно обучение са определили като най-силни прогнози, не са включени в насоките ACC / AHA. Те включват например тежки психични заболявания и перорално приложение на кортикостероиди. Междувременно никой от параметрите, които са в списъка на ACC / AHA, не са сред 10-те най-важни прогнози по машинен път (и дори диабет). В бъдеще Венг се надява да включи и други социални и генетични, за да подобри точността на алгоритмите.
Василий Макаров