인공 지능을 사용하여 사망률 예측
저널에 나오는 새로운 연구 PLOS ONE 기계 학습이 조기 사망 위험을 예측하는 데 유용한 도구가 될 수 있음을 시사합니다. 과학자들은 인공 지능 예측의 정확성과 전문가들이 현재 의학 연구에서 사용하는 통계적 방법의 정확성을 비교했습니다.
최근 연구의 증가는 컴퓨터 알고리즘과 인공 지능 (AI) 학습이 의학계에서 매우 유용 할 수 있음을 시사하고 있습니다.
예를 들어, 몇 달 전에 발표 된 한 연구에 따르면 딥 러닝 알고리즘은 빠르면 6 년 전에 알츠하이머 병 발병을 정확하게 예측할 수 있습니다.
소위 "훈련 데이터 세트"를 사용하는 딥 러닝 알고리즘은 이벤트가 발생할 가능성이있는 경우와시기를 예측하기 위해 "자신을 가르 칠"수 있습니다.
이제 연구자들은 기계 학습이 만성 질환으로 인한 조기 사망을 정확하게 예측할 수 있는지 조사하기 시작했습니다.
영국 노팅엄 대학교의 역학 및 데이터 과학 조교수 인 Stephen Weng이 새로운 연구를 주도했습니다.
AI가 예방 적 치료에 도움이되는 방법
Weng과 동료들은 40 ~ 69 세 사이의 50 만 명 이상의 사람들에 대한 건강 데이터를 조사했습니다. 참가자들은 2006 년과 2010 년 사이에 UK Biobank 연구에 등록했습니다. UK Biobank 연구 연구자들은 2016 년까지 참가자들을 임상 적으로 추적했습니다.
현재 연구를 위해 Weng와 팀은 "랜덤 포레스트"와 "딥 러닝"이라는 두 가지 모델을 사용하여 학습 알고리즘 시스템을 개발했습니다. 그들은 모델을 사용하여 만성 질환으로 인한 조기 사망 위험을 예측했습니다.
과학자들은 이러한 모델의 예측 정확도를 조사하고 "Cox 회귀"분석 및 다변량 Cox 모델과 같은 기존 예측 모델과 비교했습니다.
"우리는 통계청 사망 기록, 영국 암 등록 및 '병원 에피소드'통계를 사용하여 코호트의 사망률 데이터에 결과 예측을 매핑했습니다."라고 연구 책임자는 설명합니다.
이 연구는 Cox 회귀 모델이 조기 사망을 예측하는 데 가장 정확하지 않은 반면 다변량 Cox 모델은 약간 더 좋지만 사망 위험을 과도하게 예측할 가능성이 있음을 발견했습니다.
전반적으로 "기계 학습 알고리즘은 인간 전문가가 개발 한 표준 예측 모델보다 죽음을 예측하는 데 훨씬 더 정확했습니다."라고 Weng는보고합니다. 연구원은 또한 연구 결과의 임상 적 중요성에 대해 언급합니다.
그는“예방 의료는 심각한 질병과의 싸움에서 점점 더 우선 순위가 높아지고 있기 때문에 우리는 일반 인구에서 전산화 된 건강 위험 평가의 정확성을 개선하기 위해 수년간 노력해 왔습니다.”라고 말합니다.
"대부분의 응용 프로그램은 단일 질병 영역에 초점을 맞추고 있지만 여러 질병 결과로 인한 사망을 예측하는 것은 매우 복잡합니다. 특히 그들에게 영향을 미칠 수있는 환경 및 개별 요인을 고려하면 더욱 그렇습니다."
"우리는 기계 학습을 통해 사람의 조기 사망 위험을 예측하는 독특하고 전체 론적 인 접근 방식을 개발함으로써이 분야에서 큰 진전을 이루었습니다."
스티븐 웽
"이는 컴퓨터를 사용하여 평가 된 각 개인에 대한 광범위한 인구 통계 학적, 생체 인식, 임상 및 생활 양식 요소를 고려하는 새로운 위험 예측 모델을 구축합니다. 심지어 하루에 과일, 야채 및 육류의식이 소비까지도 고려합니다."라고 Weng는 설명합니다.
또한 연구원들은 새로운 연구의 결과가 이전 발견을 강화시켜 특정 AI 알고리즘이 현재 심장 전문의가 사용하는 기존 예측 모델보다 심장 질환 위험을 예측하는 데 더 우수하다는 것을 보여주었습니다.
“현재 건강 결과를 더 잘 예측하기 위해 'AI'또는 '머신 러닝'을 사용할 수있는 잠재력에 큰 관심이 있습니다. 어떤 상황에서는 도움이 될 수도 있고 도움이되지 않을 수도 있습니다. 이 특별한 경우에 우리는 신중한 조정을 통해 이러한 알고리즘이 예측을 유용하게 향상시킬 수 있음을 보여주었습니다.”라고 연구에 참여한 임상 학자 인 Joe Kai 교수는 말합니다.
그는 계속해서“이러한 기술은 건강 연구에서 많은 사람들에게 새롭고 따르기 어려울 수 있습니다. 우리는 이러한 방법을 투명하게 명확하게보고함으로써이 흥미로운 의료 분야의 과학적 검증과 향후 개발에 도움이 될 수 있다고 믿습니다.”
