A IA pode prever quando você vai morrer?
Crédito: Shutterstock
Pesquisadores médicos descobriram uma habilidade inquietante em inteligência artificial (IA): prever a morte prematura de uma pessoa.
Os cientistas recentemente treinaram um sistema de IA para avaliar uma década de dados gerais de saúde apresentados por mais de meio milhão de pessoas no Reino Unido. Em seguida, eles incumbiram a IA de prever se os indivíduos correm o risco de morrer prematuramente - em outras palavras, antes da expectativa de vida - devido a doenças crônicas, relataram em um novo estudo.
As previsões de morte prematura feitas por algoritmos de IA foram "significativamente mais precisas" do que as previsões de um modelo que não utilizou aprendizado de máquina, segundo o autor do estudo Stephen Weng, professor assistente de epidemiologia e dados da Universidade de Nottingham (ONU) no Reino Unido, disse em um comunicado .
Para avaliar a probabilidade de mortalidade prematura dos indivíduos, os pesquisadores testaram dois tipos de IA: "aprendizagem profunda", na qual as redes de processamento de informações em camadas ajudam o computador a aprender com exemplos; e "floresta aleatória", um tipo de IA mais simples que combina vários modelos semelhantes a árvores para considerar possíveis resultados.
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 Reino Unido Biobank - um banco de dados de acesso aberto de dados genéticos, físicos e de saúde - apresentados por mais de 500.000 pessoas entre 2006 e 2016. Durante esse tempo, quase 14.500 dos participantes morreram, principalmente de câncer, doenças cardíacas e doenças respiratórias.
Diferentes variaveis
Todos os três modelos determinaram que fatores como idade, sexo, histórico de tabagismo e um diagnóstico prévio de câncer foram as principais variáveis para avaliar a probabilidade de morte prematura de uma pessoa. Mas os modelos divergiram sobre outros fatores-chave, descobriram os pesquisadores.
O modelo de Cox apoiava-se fortemente na etnicidade e atividade física, enquanto os modelos de aprendizado de máquina não. Em comparação, o modelo florestal aleatório colocou maior ênfase na porcentagem de gordura corporal , na circunferência da cintura, na quantidade de frutas e legumes que as pessoas comiam e no tom da pele, de acordo com o estudo. Para o modelo de aprendizagem profunda, os principais fatores incluíram exposição a riscos relacionados ao trabalho e à poluição do ar, à ingestão de álcool e ao uso de certos medicamentos.
Quando todo o processamento de números foi feito, o algoritmo de aprendizagem profunda forneceu as previsões mais precisas, identificando corretamente 76% dos indivíduos que morreram durante o período do estudo. Em comparação, o modelo florestal aleatório previu corretamente cerca de 64% das mortes prematuras, enquanto o modelo de Cox identificou apenas cerca de 44%.
Esta não é a primeira vez que os especialistas têm aproveitado o poder preditivo da AI para os cuidados de saúde. Em 2017, uma equipe diferente de pesquisadores demonstrou que a IA poderia aprender a detectar sinais precoces da doença de Alzheimer; Seu algoritmo avaliou as varreduras cerebrais para prever se uma pessoa teria probabilidade de desenvolver Alzheimer, e fez isso com cerca de 84% de precisão, relatou anteriormente .
Outro estudo descobriu que a IA poderia prever o início do autismo em bebês de 6 meses de idade que apresentavam alto risco de desenvolver o distúrbio. Ainda outro estudo poderia detectar sinais de invasão de diabetes através da análise de retina scans; e mais um - também usando dados derivados de exames de retina - previu a probabilidade de um paciente sofrer um ataque cardíaco ou derrame .
No novo estudo, os cientistas demonstraram que o aprendizado de máquina - "com ajuste cuidadoso" - pode ser usado para prever com sucesso os resultados da mortalidade, disse o coautor do estudo Joe Kai, professor de atenção primária da ONU.
Embora o uso de IA possa não ser familiar a muitos profissionais de saúde, apresentar os métodos usados no estudo "pode ajudar na verificação científica e no desenvolvimento futuro desse campo excitante", disse Kai.
Os resultados foram publicados on-line (27 de março) na revista PLOS ONE
Nenhum comentário:
Postar um comentário