Prever. Henri de Saint-Simon, o primeiro pai da Tecnocracia, definiu o Cientismo: “Um cientista, meus queridos amigos, é um homem que prevê; é porque a ciência fornece o significa prever que é útil, e os cientistas são superiores a todos os outros homens. ”
As companhias de seguros punirão os consumidores com essa tecnologia, pois medem o risco, muitas vezes falsamente, para determinar quem ficará doente com qual doença e quando morrerá. O estudo a seguir não inclui análise de DNA, mas isso virá em breve. ⁃ Editor TN
Os cientistas treinaram recentemente um sistema de IA para avaliar uma década de dados gerais de saúde enviados por mais de meio milhão de pessoas no Reino Unido. Em seguida, eles encarregaram a IA de prever se os indivíduos corriam o risco de morrer prematuramente - em outras palavras, mais cedo do que a expectativa de vida média - por doenças crônicas, eles relataram em um novo estudo.
As previsões de morte prematura feitas por algoritmos de IA foram "significativamente mais precisas" do que as previsões entregues por um modelo que não usava aprendizado de máquina, o principal autor do estudo, Dr. Stephen Weng, professor assistente de epidemiologia e ciência de dados na Universidade de Nottingham (ONU) no Reino Unido, disse em um comunicado. [As máquinas podem ser criativas? Conheça 9 'Artistas' AI]
Para avaliar a probabilidade de mortalidade prematura dos indivíduos, os pesquisadores testaram dois tipos de IA: “aprendizado profundo”, em que redes de processamento de informações em camadas ajudam um computador a aprender com os exemplos; e “floresta aleatória”, um tipo mais simples de IA que combina vários modelos semelhantes a árvores para considerar os resultados possíveis.
Em seguida, eles compararam as conclusões dos modelos de IA aos resultados de um algoritmo padrão, conhecido como modelo de Cox.
Usando esses três modelos, os cientistas avaliaram dados no Biobank do Reino Unido - um banco de dados de acesso aberto de dados genéticos, físicos e de saúde - enviados por mais de pessoas da 500,000 entre a 2006 e a 2016. Durante esse período, quase 14,500 dos participantes morreu, principalmente de câncer, doenças cardíacas e respiratórias.
Variáveis diferentes
Todos os três modelos determinaram que fatores como idade, sexo, história de tabagismo e um diagnóstico anterior de câncer eram as principais variáveis para avaliar a probabilidade de morte precoce de uma pessoa. Mas os modelos divergem sobre outros fatores-chave, os pesquisadores descobriram.
O modelo de Cox apoiava-se fortemente na etnia e atividade física, enquanto os modelos de aprendizado de máquina não. Em comparação, o modelo de floresta aleatória colocou maior ênfase na percentual de gordura corporal, circunferência da cintura, quantidade de frutas e legumes consumidos pelas pessoas e tom de pele, de acordo com o estudo. Para o modelo de aprendizado profundo, os principais fatores incluíram exposição a riscos relacionados ao trabalho e poluição do ar, ingestão de álcool e uso de certos medicamentos.
Quando todo o processamento de números foi realizado, o algoritmo de aprendizado profundo forneceu as previsões mais precisas, identificando corretamente a porcentagem de indivíduos que morreram durante o período do estudo. Em comparação, o modelo de floresta aleatória previu corretamente cerca de 76 por cento das mortes prematuras, enquanto o modelo de Cox identificou apenas cerca de 64 por cento.
Esta não é a primeira vez que especialistas aproveitam o poder preditivo da IA para a saúde. Em 2017, uma equipe diferente de pesquisadores demonstrou que a IA poderia aprender a detectar os primeiros sinais da doença de Alzheimer; seu algoritmo avaliou varreduras cerebrais para prever se uma pessoa teria probabilidade de desenvolver Alzheimer, e o fez com cerca de 84 por cento de precisão, Live Science relatado anteriormente.
Outro estudo descobriu que a IA poderia prever o início do autismo em bebês de um ano com um ano de idade e com alto risco de desenvolver o distúrbio. Ainda outro estudo pode detectar sinais de diabetes invasor através da análise de retinas; e mais um - também usando dados derivados de exames da retina - previam a probabilidade de um paciente apresentar um ataque cardíaco ou acidente vascular cerebral.
wpDiscuz