Trí tuệ nhân tạo có thể dự đoán cái chết sớm

Nhóm các nhà khoa học và bác sĩ dữ liệu chăm sóc sức khỏe đã phát triển và thử nghiệm một hệ thống thuật toán ‘học máy’ (Machine Learning) dựa trên máy tính để dự đoán nguy cơ tử vong sớm do bệnh mãn tính ở một dân số trung niên lớn.

Họ tìm thấy hệ thống AI(Artificial intelligence) này rất chính xác trong dự đoán của nó và hoạt động tốt hơn so với phương pháp dự đoán tiêu chuẩn hiện tại được phát triển bởi các chuyên gia về con người. Nghiên cứu được PLOS ONE xuất bản trong một phiên bản bộ sưu tập đặc biệt của “Machine Learning in Health and Biomeesine”.

Nhóm nghiên cứu đã sử dụng dữ liệu sức khỏe từ hơn nửa triệu người trong độ tuổi từ 40 đến 69 được tuyển dụng vào Biobank Vương quốc Anh từ năm 2006 đến 2010 và theo dõi cho đến năm 2016.

Dẫn đầu công việc, Trợ lý Giáo sư Dịch tễ học và Khoa học dữ liệu, Tiến sĩ Stephen Weng, cho biết: “Chăm sóc y tế dự phòng là ưu tiên hàng đầu trong cuộc chiến chống lại các bệnh nghiêm trọng vì vậy chúng tôi đã làm việc trong nhiều năm để cải thiện tính chính xác của đánh giá rủi ro sức khỏe trên máy vi tính Trong dân số nói chung. Hầu hết các ứng dụng tập trung vào một khu vực bệnh duy nhất nhưng dự đoán tử vong do một số kết quả bệnh khác nhau rất phức tạp, đặc biệt là các yếu tố môi trường và cá nhân có thể ảnh hưởng đến chúng.

“Chúng tôi đã có một bước tiến lớn trong lĩnh vực này bằng cách phát triển một cách tiếp cận toàn diện và độc đáo để dự đoán nguy cơ tử vong sớm của một người bằng máy học. Điều này sử dụng máy tính để xây dựng các mô hình dự đoán rủi ro mới có tính đến một phạm vi nhân khẩu học rộng, các yếu tố sinh trắc học, lâm sàng và lối sống cho mỗi cá nhân được đánh giá, thậm chí chế độ ăn uống trái cây, rau và thịt mỗi ngày.

“Chúng tôi đã ánh xạ các dự đoán kết quả vào dữ liệu tử vong từ đoàn hệ, sử dụng hồ sơ tử vong của Văn phòng Thống kê Quốc gia, cơ quan đăng ký ung thư ở Anh và thống kê ‘bệnh viện’. Chúng tôi thấy các thuật toán học máy chính xác hơn trong việc dự đoán cái chết bởi một chuyên gia về con người. “

Các mô hình học máy AI được sử dụng trong nghiên cứu mới được gọi là ‘rừng ngẫu nhiên’ (random forest) và ‘học sâu’ (deep learning). Chúng được sử dụng để chống lại mô hình dự đoán ‘hồi quy Cox’ (Cox regression) được sử dụng theo truyền thống dựa trên tuổi và giới tính được cho là kém chính xác nhất trong việc dự đoán tỷ lệ tử vong và cũng là mô hình Cox đa biến hoạt động tốt hơn nhưng có xu hướng dự đoán quá mức rủi ro.

Giáo sư Joe Kai, một trong những học giả lâm sàng làm việc trong dự án, cho biết: “Hiện tại có mối quan tâm lớn đến tiềm năng sử dụng ‘AI’ hoặc ‘học máy’ để dự đoán kết quả sức khỏe tốt hơn. trong trường hợp khác thì có thể không. Trong trường hợp cụ thể này, chúng tôi đã chỉ ra rằng với việc điều chỉnh cẩn thận, các thuật toán này có thể cải thiện dự đoán một cách hữu ích.

“Những kỹ thuật này có thể mới đối với nhiều người trong nghiên cứu sức khỏe và khó theo dõi. Chúng tôi tin rằng bằng cách báo cáo rõ ràng các phương pháp này một cách minh bạch, điều này có thể giúp xác minh khoa học và phát triển tương lai của lĩnh vực thú vị này để chăm sóc sức khỏe.”

Nghiên cứu mới này dựa trên công trình trước đây của nhóm nghiên cứu cho thấy bốn thuật toán AI khác nhau, ‘rừng ngẫu nhiên’, ‘hồi quy logistic’, ‘tăng cường độ dốc’ và ‘mạng lưới thần kinh’, tốt hơn đáng kể trong việc dự đoán bệnh tim mạch so với thuật toán đã được thiết lập được sử dụng trong hướng dẫn tim mạch hiện tại. Nghiên cứu trước đó có sẵn ở đây.

Các nhà nghiên cứu của Nottingham dự đoán rằng AI sẽ đóng vai trò quan trọng trong việc phát triển các công cụ tương lai có khả năng cung cấp thuốc cá nhân hóa, điều chỉnh quản lý rủi ro cho từng bệnh nhân. Nghiên cứu sâu hơn đòi hỏi phải xác minh và xác nhận các thuật toán AI này trong các nhóm dân số khác và khám phá các cách để triển khai các hệ thống này vào chăm sóc sức khỏe định kỳ.

Nguồn tin tức:

Tài liệu được cung cấp bởi Đại học Nottingham . Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.

Tạp chí tham khảo :

1. Stephen F. Weng, Luis Vaz, Nadeem Qureshi, Joe Kai. Dự đoán tỷ lệ tử vong do mọi nguyên nhân sớm: Một nghiên cứu đoàn hệ dân số nói chung trong tương lai so sánh phương pháp học máy và phương pháp dịch tễ học tiêu chuẩn . PLOS MỘT , 2019; 14 (3): e0214365 DOI: 10.1371 /tạp chí.pone.0214365