I ricercatori medici hanno sbloccato un'abilità inquietante nell'intelligenza artificiale (AI): prevedere la morte prematura di una persona.
Gli scienziati hanno recentemente addestrato un sistema di IA per valutare un decennio di dati sanitari generali presentati da oltre mezzo milione di persone nel Regno Unito. Quindi, hanno incaricato l'IA di prevedere se gli individui fossero a rischio di morire prematuramente - in altre parole, prima dell'aspettativa di vita media - a causa di una malattia cronica, hanno riferito in un nuovo studio.
Le previsioni sulla morte precoce fatte dagli algoritmi di intelligenza artificiale erano "significativamente più accurate" delle previsioni fornite da un modello che non utilizzava l'apprendimento automatico, autore principale dello studio Dr. Stephen Weng, assistente professore di epidemiologia e scienza dei dati presso l'Università di Nottingham (ONU) nel Regno Unito, ha dichiarato in una nota.
Per valutare la probabilità della mortalità prematura dei soggetti, i ricercatori hanno testato due tipi di intelligenza artificiale: "apprendimento profondo", in cui le reti a più livelli di elaborazione delle informazioni aiutano un computer a imparare dagli esempi; e "foresta casuale", un tipo più semplice di IA che combina più modelli simili ad alberi per considerare i possibili risultati.
Quindi, hanno confrontato le conclusioni dei modelli AI con i risultati di un algoritmo standard, noto come modello Cox.
Usando questi tre modelli, gli scienziati hanno valutato i dati nella biobanca britannica - un database ad accesso aperto di dati genetici, fisici e sanitari - presentati da oltre 500.000 persone tra il 2006 e il 2016. Durante quel periodo, quasi 14.500 dei partecipanti sono morti, principalmente da cancro, malattie cardiache e malattie respiratorie.
Variabili diverse
Tutti e tre i modelli hanno determinato che fattori come l'età, il sesso, la storia del fumo e una precedente diagnosi di cancro erano le variabili principali per valutare la probabilità della morte precoce di una persona. Ma i modelli differivano rispetto ad altri fattori chiave, i ricercatori hanno scoperto.
Il modello Cox dipendeva fortemente dall'etnia e dall'attività fisica, mentre i modelli di apprendimento automatico no. In confronto, il modello di foresta casuale ha posto maggiormente l'accento sulla percentuale di grasso corporeo, sulla circonferenza della vita, sulla quantità di frutta e verdura che le persone hanno mangiato e sul tono della pelle, secondo lo studio. Per il modello di apprendimento profondo, i principali fattori includevano l'esposizione a pericoli legati al lavoro e all'inquinamento atmosferico, l'assunzione di alcol e l'uso di determinati farmaci.
Quando è stato fatto tutto il crunching dei numeri, l'algoritmo di deep learning ha fornito le previsioni più accurate, identificando correttamente il 76 percento dei soggetti che sono morti durante il periodo di studio. In confronto, il modello di foresta casuale ha previsto correttamente circa il 64 percento delle morti premature, mentre il modello di Cox ha identificato solo il 44 percento circa.
Non è la prima volta che gli esperti sfruttano il potere predittivo dell'IA per l'assistenza sanitaria. Nel 2017, un diverso team di ricercatori ha dimostrato che l'IA potrebbe imparare a individuare i primi segni della malattia di Alzheimer; il loro algoritmo ha valutato le scansioni cerebrali per prevedere se una persona avrebbe avuto probabilità di sviluppare l'Alzheimer, e lo ha fatto con una precisione dell'84% circa, come riportato in precedenza da Live Science.
Un altro studio ha scoperto che l'IA potrebbe prevedere l'insorgenza dell'autismo nei bambini di 6 mesi che erano ad alto rischio di sviluppare il disturbo. Ancora un altro studio potrebbe rilevare segni di invasione del diabete attraverso l'analisi delle scansioni della retina; e un altro - utilizzando anche i dati derivati dalle scansioni della retina - ha predetto la probabilità che un paziente abbia un infarto o un ictus.
Nel nuovo studio, gli scienziati hanno dimostrato che l'apprendimento automatico - "con un'attenta messa a punto" - può essere utilizzato per prevedere con successo i risultati della mortalità nel tempo, ha affermato il co-autore Joe Kai, un professore di cure primarie delle Nazioni Unite.
Mentre l'utilizzo dell'intelligenza artificiale in questo modo può non essere familiare a molti operatori sanitari, la presentazione dei metodi utilizzati nello studio "potrebbe aiutare con la verifica scientifica e lo sviluppo futuro di questo entusiasmante campo", ha affermato Kai.
I risultati sono stati pubblicati online oggi (27 marzo) sulla rivista PLOS ONE.
