Sử dụng trí tuệ nhân tạo để dự đoán tỷ lệ tử vong
Nghiên cứu mới xuất hiện trên tạp chí PLOS MỘT cho thấy rằng học máy có thể là một công cụ có giá trị để dự đoán nguy cơ tử vong sớm. Các nhà khoa học đã so sánh độ chính xác của dự đoán trí tuệ nhân tạo với độ chính xác của các phương pháp thống kê mà các chuyên gia hiện đang sử dụng trong nghiên cứu y học.
Ngày càng có nhiều nghiên cứu gần đây cho thấy rằng các thuật toán máy tính và trí tuệ nhân tạo (AI) học có thể tỏ ra rất hữu ích trong thế giới y tế.
Ví dụ, một nghiên cứu xuất hiện cách đây vài tháng cho thấy rằng các thuật toán học sâu có thể dự đoán chính xác sự khởi phát của bệnh Alzheimer sớm nhất là 6 năm trước.
Sử dụng cái gọi là "tập dữ liệu đào tạo", các thuật toán học sâu có thể "tự dạy" để dự đoán nếu và khi một sự kiện có khả năng xảy ra.
Giờ đây, các nhà nghiên cứu đã bắt đầu kiểm tra xem liệu học máy có thể dự đoán chính xác tỷ lệ tử vong sớm do bệnh mãn tính hay không.
Stephen Weng, phó giáo sư dịch tễ học và khoa học dữ liệu tại Đại học Nottingham ở Vương quốc Anh, đã dẫn đầu nghiên cứu mới.
AI có thể giúp chăm sóc phòng ngừa như thế nào
Weng và các đồng nghiệp đã kiểm tra dữ liệu sức khỏe của hơn nửa triệu người từ 40 đến 69 tuổi. Những người tham gia đã đăng ký với nghiên cứu Biobank của Vương quốc Anh từ năm 2006 đến 2010. Các nhà nghiên cứu của nghiên cứu Biobank của Vương quốc Anh đã theo dõi lâm sàng những người tham gia cho đến năm 2016.
Đối với nghiên cứu hiện tại, Weng và nhóm đã phát triển một hệ thống các thuật toán học tập sử dụng hai mô hình được gọi là “rừng ngẫu nhiên” và “học sâu”. Họ sử dụng các mô hình để dự đoán nguy cơ chết sớm do bệnh mãn tính.
Các nhà khoa học đã kiểm tra độ chính xác dự đoán của các mô hình này và so sánh chúng với các mô hình dự đoán thông thường, chẳng hạn như phân tích “hồi quy Cox” và mô hình Cox đa biến.
“Chúng tôi đã ánh xạ các dự đoán kết quả với dữ liệu tử vong từ nhóm thuần tập sử dụng hồ sơ tử vong của Văn phòng Thống kê Quốc gia, cơ quan đăng ký ung thư của Vương quốc Anh và thống kê‘ các đợt bệnh viện ’,” điều tra viên chính của nghiên cứu giải thích.
Nghiên cứu cho thấy mô hình hồi quy Cox kém chính xác nhất trong việc dự đoán tử vong sớm, trong khi mô hình Cox đa biến tốt hơn một chút nhưng có khả năng dự đoán quá mức nguy cơ tử vong.
Nhìn chung, “các thuật toán máy học dự đoán cái chết chính xác hơn đáng kể so với các mô hình dự đoán tiêu chuẩn do một chuyên gia về con người phát triển”, Weng báo cáo. Nhà nghiên cứu cũng nhận xét về ý nghĩa lâm sàng của các phát hiện.
Ông nói, "Chăm sóc sức khỏe dự phòng là ưu tiên ngày càng tăng trong cuộc chiến chống lại các bệnh hiểm nghèo, vì vậy chúng tôi đã làm việc trong một số năm để cải thiện độ chính xác của việc đánh giá rủi ro sức khỏe trên máy tính trong dân số nói chung."
"Hầu hết các ứng dụng tập trung vào một khu vực bệnh duy nhất, nhưng dự đoán tử vong do một số kết quả bệnh khác nhau rất phức tạp, đặc biệt là với các yếu tố môi trường và cá nhân có thể ảnh hưởng đến chúng."
“Chúng tôi đã đạt được một bước tiến lớn trong lĩnh vực này bằng cách phát triển một cách tiếp cận toàn diện và độc đáo để dự đoán nguy cơ tử vong sớm của một người bằng công nghệ máy học”.
Stephen Weng
Weng giải thích: “Điều này sử dụng máy tính để xây dựng các mô hình dự đoán rủi ro mới có tính đến nhiều yếu tố nhân khẩu học, sinh trắc học, lâm sàng và lối sống cho mỗi cá nhân được đánh giá, thậm chí cả chế độ ăn trái cây, rau và thịt mỗi ngày của họ.
Hơn nữa, các nhà nghiên cứu cho biết, kết quả của nghiên cứu mới củng cố những phát hiện trước đó, cho thấy một số thuật toán AI nhất định dự đoán nguy cơ bệnh tim tốt hơn so với các mô hình dự đoán thông thường mà các bác sĩ tim mạch hiện đang sử dụng.
“Hiện đang có mối quan tâm lớn đến tiềm năng sử dụng‘ AI ’hoặc‘ máy học ’để dự đoán tốt hơn kết quả sức khỏe. Trong một số tình huống, chúng tôi có thể thấy nó hữu ích, trong những tình huống khác thì không. Trong trường hợp cụ thể này, chúng tôi đã chỉ ra rằng với việc điều chỉnh cẩn thận, các thuật toán này có thể cải thiện một cách hữu ích khả năng dự đoán, ”Giáo sư Joe Kai, một học giả lâm sàng cũng làm việc trong nghiên cứu cho biết.
Ông tiếp tục, “Những kỹ thuật này có thể mới đối với nhiều người trong nghiên cứu sức khỏe và rất khó để làm theo. Chúng tôi tin rằng bằng cách báo cáo rõ ràng các phương pháp này một cách minh bạch, điều này có thể giúp xác minh khoa học và phát triển trong tương lai của lĩnh vực chăm sóc sức khỏe thú vị này. ”
