Kako smo to nedavno vidjeli na konferenciji o umjetnoj inteligenciji održanoj u prostorijama ZICER-a u Zagrebu, tehnologija, AI i strojno učenje sve češće se koriste u medicini, odnosno pri dijagnozama i liječničkim tretmanima. Britanski znanstvenici nedavno su proveli istraživanje bazirano na medicinskim podacima skupljenim između 2006. i 2016. godine nad pola milijuna Britanaca, a tijekom tog razdoblja oko 14.500 ljudi je preminulo, ponajviše od raka, srčanih i respiratornih bolesti.
Znanstvenici su s tim podacima trenirali algoritam kako bi saznali koliki je rizik da bi netko, zbog kroničnih bolesti, mogao umrijeti ranije u odnosu na prosječnu dob života u toj zemlji. Podaci koje im je dala umjetna inteligencija pokazali su se prilično preciznim te puno pouzdanijim u odnosu na modele koji nisu koristili strojno učenje.
Znanstvenici su testirali dvije vrste testiranja bazirane na AI – jedna je dubinsko učenje bazirano na procesiranju informacija na temelju kojih se uči iz postojećih primjera, a druga je metoda random forrest (riječ je o metodi strojnog učenja baziranoj na izgradnji tzv. stabla odluke). Rezultate koje su dobili usporedili su s rezultatima standardnih algoritama kakvi se inače koriste i poznati su kao Cox model.
Svi modeli koji su korišteni u istraživanju prilikom izračuna trajanja života koristili su podatke poput godina, spola, povijesti pušenja, postojećih dijagnoza, no modeli su se razlikovali po nekim drugim stvarima – za Coxov model bili su važni podaci poput fizičke aktivnosti, za model random forrest postotak tjelesne masti i prehrana, dok su za model baziran na dubinskom učenju važni faktori bili rizici na poslu, konzumiranje alkohola, korištenje određenih vrsta lijekova i zagađenje zraka.
Upravo je algoritam baziran na dubinskom učenju dao najtočnije rezultate vezane uz smrtnost osoba čije su zdravstvene podatke analizirali, uz točnost od čak 76 posto. S drugom metodom baziranoj na AI taj je postotak iznosi 64 posto, dok je za Coxov model ta brojka iznosila 44 posto.
Izvor: CNBC
