Специалисты по медицинской статистике из Университета Ноттингема и их коллеги-врачи разработали и начали тестировать самообучающийся алгоритм, который оценивает риск преждевременной смерти от хронических болезней в больших популяциях людей среднего возраста.
Фото: Дмитрий Лебедев, Коммерсантъ / купить фото
Исследование основано на медицинских данных примерно полумиллиона человек в возрасте от 40 до 69 лет, истории их жизни прослеживаются с 2006–2010 годов до 2016 года. «Профилактическое здравоохранение становится приоритетом в борьбе с хроническими болезнями, и мы уже несколько лет работаем над повышением точности компьютерной оценки рисков в популяции,— говорит Стивен Вен, ноттингемский профессор.— Большинство подобных компьютерных приложений сосредоточивается на одной болезни, потому что оценка риска, когда у больного несколько диагнозов, становится уж очень сложной задачей, особенно если добавить к анализу экологические факторы и особенности образа жизни каждого конкретного пациента.
Мы же сделали ставку на самообучающийся искусственный интеллект и новую модель предсказания риска, продолжает Вен,— которая учитывает множество факторов: демографию, биометрию, клинические проявления, условия жизни человека, в том числе сколько он съедает мяса, овощей и фруктов в день».
Все эти данные искусственный разум обобщил и перенес на карту — которая нарисована по статистике смертей, предоставленной министерством национальной статистики Британии, а также британским регистром раковых заболеваний, и оказалось, констатирует Вен, что разработанный в Ноттингеме алгоритм предсказывал смерти гораздо лучше, чем стандартная модель, предложенная экспертами-людьми.
Стивен Вен говорит, что в их работе применялся алгоритм random forest, или случайного леса,— в нем используется большой ансамбль так называемых деревьев принятия решений, простых алгоритмов, каждый из которых дает невысокое качество классификации, но все вместе они способны добиваться высоких результатов. Каждое дерево состоит из листьев и ветки: на ветках записаны атрибуты, от которых зависит целевая функция, на листьях — значения целевой функции.
По материалам работы «Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches», журнал PLOS ONE, 2019