Algoritmo di machine learning che prevede morte prematura sviluppato da ricercatori britannici

Un gruppo di scienziati dell’Università di Nottingham ha addestrato nuove intelligenze artificiali per capire se potevano prevedere le morti premature umane secondo uno studio pubblicato su PLOS ONE.
Per “istruire” gli algoritmi gli scienziati hanno utilizzato i dati di più di mezzo milione di persone con un’età compresa tra i 40 e i 69 anni facenti parte di un database britannico ad accesso aperto.

I ricercatori hanno utilizzato, onde valutare le probabilità di mortalità prematura di questi soggetti, tre diversi modelli di apprendimento. Tra questi c’era il deep learning, un modello attraverso il quale l’IA fa previsioni imparando dagli esempi, e il random forest, un altro modello più semplice che combina modelli multipli per tentare di predire risultati.
Questi due modelli sono poi stati confrontati con i risultati ottenuti da un modello più tradizionale denominato “modello Cox”, un algoritmo che in molti casi tendeva a sopravvalutare il rischio.

Tutti e tre i modelli valutavano diversi fattori come l’età, il sesso, eventuale vizio del fumo, eventuali precedenti diagnosi di cancro, eccetera ma mentre il modello Cox tendeva ad appoggiarsi troppo sull’etnia e sulla abitudine all’attività fisica, gli altri due modelli ponevano maggiore enfasi su altri fattori quali percentuale di grasso corporeo, circonferenza della vita, quantità di frutta e verdura che mangiavano arbitrariamente, tono del colorito della pelle, ed altro ancora.
Le previsioni più accurate venivano fornite dall’algoritmo di deep learning che identificava correttamente i 76% dei soggetti appartenenti al database che erano deceduti durante il periodo di studio.
Il modello random forest riusciva invece a predire il 64% delle morti premature mentre il modello Cox riusciva ad identificarne solo il 44%.

I risultati sembrano molto buoni tanto che Stephen Weng, ricercatore di epidemiologia e scienza dei dati e uno di autori dello studio, dichiara: “Abbiamo compiuto un importante passo in avanti in questo campo sviluppando un approccio unico e olistico per prevedere il rischio di morte prematura di una persona mediante l’apprendimento automatico. Questo utilizza i computer per costruire nuovi modelli di previsione del rischio che tengano conto di una vasta gamma di dati demografici, fattori biometrici, clinici e di stile di vita per ogni individuo valutato, anche il loro consumo alimentare di frutta, verdura e carne al giorno. […] Abbiamo trovato gli algoritmi di machine learning significativamente più precisi nel predire la morte rispetto ai modelli di predizione standard sviluppati da un esperto umano.”

Eventuali utilizzi pratici di algoritmi del genere potranno probabilmente sussistere nella cosiddetta medicina personalizzata tramite la quale si potrà utilizzare e modificare la gestione del rischio in base alle necessità e alle caratteristiche dei singoli pazienti.

Fonti e approfondimenti

Articoli correlati

Condividi questo articolo


Resta aggiornato su Facebook

Fai una ricerca

Tag principali

Commenta per primo

Rispondi