Medizinische Forscher haben eine beunruhigende Fähigkeit in der künstlichen Intelligenz (KI) freigeschaltet: die Vorhersage des frühen Todes einer Person.
Wissenschaftler haben kürzlich ein KI-System geschult, um ein Jahrzehnt allgemeiner Gesundheitsdaten auszuwerten, die von mehr als einer halben Million Menschen im Vereinigten Königreich übermittelt wurden. Dann beauftragten sie die KI mit der Vorhersage, ob Personen vorzeitig sterben könnten - mit anderen Worten, früher als die durchschnittliche Lebenserwartung - an chronischen Krankheiten, berichteten sie in einer neuen Studie.
Die Vorhersagen des frühen Todes, die durch KI-Algorithmen gemacht wurden, waren "signifikant genauer" als Vorhersagen, die von einem Modell ohne maschinelles Lernen geliefert wurden, so der leitende Studienautor Dr. Stephen Weng, Assistenzprofessor für Epidemiologie und Datenwissenschaft an der Universität von Nottingham (UN) in Großbritannien, sagte in einer Erklärung.
Um die Wahrscheinlichkeit einer vorzeitigen Sterblichkeit von Probanden zu bewerten, testeten die Forscher zwei Arten von KI: "Deep Learning", bei dem geschichtete Informationsverarbeitungsnetzwerke einem Computer helfen, aus Beispielen zu lernen; und "Random Forest", eine einfachere Art von KI, die mehrere baumartige Modelle kombiniert, um mögliche Ergebnisse zu berücksichtigen.
Anschließend verglichen sie die Schlussfolgerungen der KI-Modelle mit den Ergebnissen eines Standardalgorithmus, der als Cox-Modell bekannt ist.
Anhand dieser drei Modelle bewerteten die Wissenschaftler Daten in der britischen Biobank - einer Open-Access-Datenbank mit genetischen, physischen und gesundheitlichen Daten -, die zwischen 2006 und 2016 von mehr als 500.000 Menschen eingereicht wurden. In dieser Zeit starben hauptsächlich fast 14.500 der Teilnehmer von Krebs, Herzerkrankungen und Atemwegserkrankungen.
Verschiedene Variablen
Alle drei Modelle stellten fest, dass Faktoren wie Alter, Geschlecht, Rauchverhalten und eine frühere Krebsdiagnose die wichtigsten Variablen für die Beurteilung der Wahrscheinlichkeit des frühen Todes einer Person waren. Die Modelle unterschieden sich jedoch von anderen Schlüsselfaktoren, stellten die Forscher fest.
Das Cox-Modell stützte sich stark auf ethnische Zugehörigkeit und körperliche Aktivität, während die Modelle für maschinelles Lernen dies nicht taten. Im Vergleich dazu legte das zufällige Waldmodell der Studie zufolge einen stärkeren Schwerpunkt auf den Körperfettanteil, den Taillenumfang, die Menge an Obst und Gemüse, die Menschen aßen, und den Hautton. Für das Deep-Learning-Modell gehörten zu den wichtigsten Faktoren die Exposition gegenüber arbeitsbedingten Gefahren und Luftverschmutzung, der Alkoholkonsum und der Einsatz bestimmter Medikamente.
Nachdem alle Zahlen ermittelt worden waren, lieferte der Deep-Learning-Algorithmus die genauesten Vorhersagen und identifizierte 76 Prozent der Probanden, die während des Studienzeitraums starben, korrekt. Im Vergleich dazu prognostizierte das Zufallswaldmodell etwa 64 Prozent der vorzeitigen Todesfälle korrekt, während das Cox-Modell nur etwa 44 Prozent identifizierte.
Dies ist nicht das erste Mal, dass Experten die Vorhersagekraft von AI für die Gesundheitsversorgung nutzen. Im Jahr 2017 hat ein anderes Forscherteam gezeigt, dass KI lernen kann, frühe Anzeichen der Alzheimer-Krankheit zu erkennen. Ihr Algorithmus bewertete Gehirnscans, um vorherzusagen, ob eine Person wahrscheinlich Alzheimer entwickeln würde, und dies mit einer Genauigkeit von etwa 84 Prozent, berichtete Live Science zuvor.
Eine andere Studie ergab, dass AI das Auftreten von Autismus bei 6 Monate alten Babys vorhersagen kann, bei denen ein hohes Risiko für die Entwicklung der Störung besteht. Eine weitere Studie könnte Anzeichen für einen Eingriff in Diabetes durch Analyse von Netzhaut-Scans erkennen. und eine weitere - ebenfalls unter Verwendung von Daten aus Netzhaut-Scans - sagte die Wahrscheinlichkeit voraus, dass ein Patient einen Herzinfarkt oder Schlaganfall erleidet.
In der neuen Studie haben die Wissenschaftler gezeigt, dass maschinelles Lernen - "mit sorgfältiger Abstimmung" - verwendet werden kann, um die Sterblichkeitsergebnisse im Laufe der Zeit erfolgreich vorherzusagen, sagte der Co-Autor der Studie, Joe Kai, ein UN-Professor für Grundversorgung, in der Erklärung.
Während die Verwendung von KI auf diese Weise vielen Angehörigen der Gesundheitsberufe unbekannt sein mag, könnte die Präsentation der in der Studie verwendeten Methoden "bei der wissenschaftlichen Überprüfung und zukünftigen Entwicklung dieses aufregenden Feldes helfen", sagte Kai.
Die Ergebnisse wurden heute (27. März) online in der Zeitschrift PLOS ONE veröffentlicht.
