Attualmente, i medici hanno molti modi per prevedere la salute di un paziente. Nessuno di loro, tuttavia, è universale e molte patologie (ad esempio, attacchi di cuore) sono molto difficili da prevedere. Gli scienziati hanno dimostrato che i computer in grado di autoapprendere possono funzionare anche meglio delle pratiche mediche standard e migliorare significativamente la qualità della previsione. Se questa pratica viene implementata, il nuovo metodo aiuterà a salvare migliaia, se non milioni di vite ogni anno.
Ogni anno, circa 20 milioni di persone muoiono per malattie cardiovascolari, inclusi infarti, ictus, arterie ostruite e altre malattie cardiovascolari. Per cercare di prevedere tali complicazioni, i medici dei paesi occidentali utilizzano le linee guida dell'American College of Cardiology / American Heart Association (ACC / AHA). Si basano su otto fattori di rischio, tra cui età, livelli di colesterolo nel sangue e pressione sanguigna, da cui il medico cerca di comporre un quadro unico della malattia.
Per molti casi, questo approccio è spesso eccessivamente semplicistico, inoltre, altri fattori possono influenzare il corpo del paziente, a seguito del quale possono svilupparsi malattie cardiovascolari. In un nuovo studio, Stephen Wan, epidemiologo dell'Università di Nottingham nel Regno Unito, ha confrontato le direttive ACC / AHA con quattro algoritmi di apprendimento automatico: foresta casuale, regressione logistica, aumento del gradiente e rete neurale. Tutti e quattro gli algoritmi avevano lo scopo di analizzare molti dati che, in teoria, avrebbero permesso all'IA di fare previsioni mediche migliori degli umani. In questo caso, i dati sono stati ottenuti da cartelle cliniche elettroniche di 378.256 pazienti nel Regno Unito. L'obiettivo era trovare registrazioni campione associate a eventi cardiovascolari.
In primo luogo, gli algoritmi di intelligenza artificiale (AI) dovevano allenarsi da soli. Hanno utilizzato circa il 78% dei dati - circa 295.267 record - per cercare modelli e creare le proprie "raccomandazioni" interne. Quindi si sono verificati sul resto dei documenti. Utilizzando i dati del 2005, gli algoritmi hanno previsto quali pazienti avrebbero avuto problemi cardiaci e vascolari nei successivi 10 anni, quindi hanno testato le loro ipotesi utilizzando i record del 2015. Contrariamente alle linee guida ACC / AHA, l'apprendimento automatico poteva prendere in considerazione altri 22 punti dati, tra cui etnia, artrite e malattie renali.
Di conseguenza, tutti e quattro i metodi di IA sono risultati molto più efficienti nelle previsioni rispetto alle raccomandazioni ACC / AHA. Utilizzando le statistiche AUC (dove 1.0 è accurato al 100%), le direttive ACC / AHA hanno raggiunto 0,728. I quattro nuovi metodi andavano da 0,745 a 0,764, come riportato dal team di Wen sulla rivista PLOS ONE. Nel campione di prova hanno preso parte circa 83.000 voci e nella battaglia tra AI e uomo le macchine "hanno salvato" 355 pazienti in più. Questo perché, dice Wen, la previsione spesso porta alla prevenzione, attraverso l'abbassamento del colesterolo o cambiamenti nella dieta.
Alcuni dei fattori di rischio che gli algoritmi di apprendimento automatico hanno identificato come i predittori più forti non sono inclusi nelle linee guida ACC / AHA. Questi includono, ad esempio, gravi malattie mentali e somministrazione orale di corticosteroidi. Nel frattempo, nessuno dei parametri che si trovano nell'elenco ACC / AHA è tra i 10 predittori più importanti per macchina (e persino il diabete). In futuro, Weng spera di includerne altri sociali e genetici per migliorare ulteriormente l'accuratezza degli algoritmi.
Vasily Makarov
