Quando as companhias de seguros, planos de saúde, medicamentos, etc., implementam essa tecnologia, os pacientes verão uma discriminação desenfreada com base na pontuação de saúde da IA; afinal, quem venderia uma apólice de seguro de vida a alguém que morrerá em breve? ⁃ Editor TN
Algoritmos semelhantes aos empregados pela Netflix e pelo Spotify para personalizar serviços agora são melhores do que os médicos humanos ao identificar quem morrerá ou sofrerá um ataque cardíaco.
O aprendizado de máquina foi usado para treinar o LogitBoost, que, segundo seus desenvolvedores, pode prever mortes ou ataques cardíacos com uma precisão de 90 por cento.
Foi programado para usar variáveis 85 para calcular o risco para a saúde dos pacientes 950 dos quais foram alimentados exames e dados.
Pacientes com queixa de dor no peito foram submetidos a uma série de exames e testes antes de serem tratados pelos métodos tradicionais.
Seus dados foram posteriormente utilizados para treinar o algoritmo.
Ele 'aprendeu' os riscos e, durante o acompanhamento de seis anos, teve uma taxa de sucesso de 90 por cento na previsão de 24 ataques cardíacos e 49 mortes por qualquer causa.
LogitBoost que foi programado para usar 85 variáveis para calcular os riscos para a saúde de uma pessoa que se queixava de dores no peito. Os pacientes fizeram uma varredura de angiografia por tomografia computadorizada coronariana (CCTA) (foto, varredura de estoque) que reuniu 58 dos pontos de dados
Serviços como o Netflix e os sistemas Spotify usam algoritmos de maneira semelhante para se adaptar a usuários individuais e oferecer uma aparência mais personalizada.
O autor do estudo, Luis Eduardo Juarez-Orozco, do Centro PET de Turku, na Finlândia, disse que esses avanços vão além da medicina.
Ele disse: 'Esses avanços estão muito além do que tem sido feito na medicina, onde precisamos ser cautelosos sobre como avaliamos os riscos e os resultados.
"Temos os dados, mas ainda não os estamos usando em todo o seu potencial."
Os médicos usam escores de risco para tomar decisões de tratamento - mas esses escores são baseados em apenas um 'punhado' de variáveis nos pacientes.
Através da repetição e do ajuste, as máquinas usam grandes quantidades de dados para identificar padrões complexos que não são evidentes para os seres humanos.
O Dr. Juarez-Orozco disse: “Os humanos têm muita dificuldade em pensar além de três ou quatro dimensões.
'No momento em que saltamos para a quinta dimensão, estamos perdidos.
'Nosso estudo mostra que padrões dimensionais muito elevados são mais úteis do que padrões unidimensionais para prever resultados em indivíduos e, para isso, precisamos do aprendizado de máquina.'
wpDiscuz