Medische onderzoekers hebben een verontrustend vermogen bij kunstmatige intelligentie (AI) ontgrendeld: het voorspellen van de vroege dood van een persoon.
Wetenschappers hebben onlangs een AI-systeem opgeleid om een decennium van algemene gezondheidsgegevens te evalueren die door meer dan een half miljoen mensen in het Verenigd Koninkrijk zijn ingediend. Vervolgens gaven ze de AI de opdracht om te voorspellen of individuen het risico liepen om voortijdig te sterven - met andere woorden, eerder dan de gemiddelde levensverwachting - aan chronische ziekten, meldden ze in een nieuwe studie.
De voorspellingen van vroegtijdig overlijden die werden gemaakt door AI-algoritmen waren "significant nauwkeuriger" dan voorspellingen van een model dat geen gebruik maakte van machine learning, aldus hoofdonderzoeksauteur Dr. Stephen Weng, een assistent-professor epidemiologie en data science aan de Universiteit van Nottingham (VN) in het VK, zei in een verklaring.
Om de waarschijnlijkheid van vroegtijdige sterfte van proefpersonen te evalueren, testten de onderzoekers twee soorten AI: 'deep learning', waarbij gelaagde informatieverwerkingsnetwerken een computer helpen te leren van voorbeelden; en 'random forest', een eenvoudiger type AI dat meerdere, boomachtige modellen combineert om mogelijke resultaten te overwegen.
Vervolgens vergeleken ze de conclusies van de AI-modellen met de resultaten van een standaardalgoritme, bekend als het Cox-model.
Met behulp van deze drie modellen evalueerden de wetenschappers gegevens in de UK Biobank - een open-access database van genetische, fysieke en gezondheidsgegevens - die tussen 2006 en 2016 door meer dan 500.000 mensen waren ingediend. In die tijd stierven bijna 14.500 van de deelnemers, voornamelijk van kanker, hartaandoeningen en luchtwegaandoeningen.
Verschillende variabelen
Alle drie de modellen bepaalden dat factoren zoals leeftijd, geslacht, rookgeschiedenis en een eerdere diagnose van kanker de belangrijkste variabelen waren voor het beoordelen van de kans op vroegtijdig overlijden. Maar de modellen liepen uiteen over andere sleutelfactoren, vonden de onderzoekers.
Het Cox-model leunde sterk op etniciteit en fysieke activiteit, terwijl de machine-learning-modellen dat niet deden. Ter vergelijking: in het willekeurige bosmodel werd volgens de studie meer nadruk gelegd op het percentage lichaamsvet, de tailleomtrek, de hoeveelheid fruit en groenten die mensen aten en de huidskleur. Voor het deep learning-model waren de belangrijkste factoren blootstelling aan beroepsgerelateerde gevaren en luchtverontreiniging, alcoholinname en het gebruik van bepaalde medicijnen.
Toen al het gekraak was gedaan, leverde het deep learning-algoritme de meest nauwkeurige voorspellingen, waarbij 76 procent van de proefpersonen die tijdens de onderzoeksperiode stierven correct werd geïdentificeerd. Ter vergelijking: het willekeurige bosmodel voorspelde ongeveer 64 procent van de vroegtijdige sterfgevallen, terwijl het Cox-model slechts ongeveer 44 procent identificeerde.
Dit is niet de eerste keer dat experts gebruik maken van de voorspellende kracht van AI voor de gezondheidszorg. In 2017 heeft een ander team van onderzoekers aangetoond dat AI de vroege tekenen van de ziekte van Alzheimer kan leren herkennen; hun algoritme evalueerde hersenscans om te voorspellen of een persoon waarschijnlijk Alzheimers zou ontwikkelen, en dat gebeurde met een nauwkeurigheid van ongeveer 84 procent, meldde WordsSideKick.com eerder.
Een andere studie toonde aan dat AI het begin van autisme kon voorspellen bij baby's van 6 maanden oud die een hoog risico hadden om de aandoening te ontwikkelen. Weer een ander onderzoek kon tekenen van oprukkende diabetes detecteren door analyse van netvliesscans; en nog een andere - ook gebruikmakend van gegevens afkomstig van retinale scans - voorspelde de waarschijnlijkheid dat een patiënt een hartaanval of beroerte zou krijgen.
In de nieuwe studie toonden de wetenschappers aan dat machine learning - "met zorgvuldige afstemming" - kan worden gebruikt om sterftecijfers in de loop van de tijd met succes te voorspellen, aldus co-auteur Joe Kai, een VN-professor in de eerstelijnszorg, in de verklaring.
Hoewel het gebruik van AI op deze manier voor veel zorgprofessionals onbekend is, kan het presenteren van de methoden die in het onderzoek worden gebruikt 'helpen bij wetenschappelijke verificatie en toekomstige ontwikkeling van dit opwindende veld', zei Kai.
De bevindingen zijn vandaag (27 maart) online gepubliceerd in het tijdschrift PLOS ONE.
