चिकित्सा शोधकर्ताओं ने कृत्रिम बुद्धिमत्ता (एआई) में एक अनिश्चित क्षमता का खुलासा किया है: किसी व्यक्ति की प्रारंभिक मृत्यु की भविष्यवाणी करना।
वैज्ञानिकों ने हाल ही में यूनाइटेड किंगडम में आधे मिलियन से अधिक लोगों द्वारा प्रस्तुत सामान्य स्वास्थ्य डेटा के एक दशक का मूल्यांकन करने के लिए एक एआई प्रणाली को प्रशिक्षित किया। फिर, उन्होंने यह अनुमान लगाने के साथ एआई को कार्य सौंपा कि यदि व्यक्तियों को समय से पहले मरने का खतरा था - दूसरे शब्दों में, औसत जीवन प्रत्याशा की तुलना में जल्द ही - पुरानी बीमारी से, उन्होंने एक नए अध्ययन में बताया।
एआई एल्गोरिदम द्वारा किए गए प्रारंभिक मृत्यु की भविष्यवाणियां एक मॉडल द्वारा दी गई भविष्यवाणियों की तुलना में "काफी अधिक सटीक" थीं जो मशीन सीखने का उपयोग नहीं करती थीं, प्रमुख अध्ययन लेखक डॉ। स्टीफन वेंग, जो महाविद्यालय में महामारी विज्ञान और डेटा विज्ञान के सहायक प्रोफेसर थे। ब्रिटेन में नॉटिंघम (यूएन) ने एक बयान में कहा।
विषयों की समय से पहले मृत्यु दर की संभावना का मूल्यांकन करने के लिए, शोधकर्ताओं ने दो प्रकार के AI का परीक्षण किया: "गहन शिक्षा," जिसमें स्तरित सूचना-प्रसंस्करण नेटवर्क उदाहरणों से सीखने में कंप्यूटर की मदद करते हैं; और "यादृच्छिक वन," एआई का एक सरल प्रकार जो संभावित परिणामों पर विचार करने के लिए कई, पेड़ जैसे मॉडल को जोड़ता है।
फिर, उन्होंने AI मॉडल के निष्कर्षों की तुलना एक मानक एल्गोरिथ्म के परिणामों से की, जिसे कॉक्स मॉडल के रूप में जाना जाता है।
इन तीन मॉडलों का उपयोग करते हुए, वैज्ञानिकों ने यूके बायोबैंक में डेटा का मूल्यांकन किया - जेनेटिक, भौतिक और स्वास्थ्य डेटा का एक ओपन-एक्सेस डेटाबेस - 2006 और 2016 के बीच 500,000 से अधिक लोगों द्वारा प्रस्तुत किया गया। उस समय के दौरान, लगभग 14,500 प्रतिभागियों की मृत्यु हो गई, मुख्य रूप से कैंसर, हृदय रोग और श्वसन रोगों से।
विभिन्न चर
सभी तीन मॉडलों ने निर्धारित किया कि किसी व्यक्ति की प्रारंभिक मृत्यु की संभावना का आकलन करने के लिए आयु, लिंग, धूम्रपान इतिहास और एक पूर्व कैंसर निदान जैसे कारक शीर्ष चर थे। लेकिन मॉडल ने अन्य प्रमुख कारकों पर भरोसा किया, शोधकर्ताओं ने पाया।
कॉक्स मॉडल जातीयता और शारीरिक गतिविधि पर भारी पड़ा, जबकि मशीन-सीखने वाले मॉडल नहीं थे। तुलनात्मक रूप से, वन फ़ॉरेस्ट मॉडल ने शरीर के वसा प्रतिशत, कमर परिधि, फल और सब्जियों की मात्रा पर जोर दिया, जो लोगों ने खाया और त्वचा की टोन, अध्ययन के अनुसार। डीप-लर्निंग मॉडल के लिए, शीर्ष कारकों में नौकरी से संबंधित खतरों और वायु प्रदूषण, शराब का सेवन और कुछ दवाओं का उपयोग शामिल था।
जब सभी संख्या क्रंचिंग की गई थी, गहन-शिक्षण एल्गोरिथ्म ने सबसे सटीक भविष्यवाणियां दीं, अध्ययन अवधि के दौरान 76 प्रतिशत विषयों की सही पहचान की। तुलनात्मक रूप से, यादृच्छिक वन मॉडल ने लगभग 64 प्रतिशत अकाल मौतों की सही भविष्यवाणी की, जबकि कॉक्स मॉडल की पहचान केवल 44 प्रतिशत थी।
यह पहली बार नहीं है कि विशेषज्ञों ने स्वास्थ्य देखभाल के लिए एआई की भविष्य कहनेवाला शक्ति का उपयोग किया है। 2017 में, शोधकर्ताओं की एक अलग टीम ने प्रदर्शित किया कि एआई अल्जाइमर रोग के शुरुआती लक्षणों को समझना सीख सकता है; उनके एल्गोरिथ्म ने मस्तिष्क स्कैन का मूल्यांकन यह अनुमान लगाने के लिए किया कि क्या किसी व्यक्ति में अल्जाइमर विकसित होने की संभावना होगी, और ऐसा 84 प्रतिशत सटीकता के साथ किया गया था, लाइव साइंस ने पहले बताया था।
एक अन्य अध्ययन में पाया गया कि एआई 6 महीने के बच्चों में आत्मकेंद्रित की शुरुआत की भविष्यवाणी कर सकता है जो विकार के विकास के उच्च जोखिम में थे। फिर भी एक अन्य अध्ययन रेटिना स्कैन के विश्लेषण के माध्यम से मधुमेह के अतिक्रमण के संकेतों का पता लगा सकता है; और एक और भी - रेटिना स्कैन से प्राप्त डेटा का उपयोग करके - एक मरीज को दिल का दौरा या स्ट्रोक का अनुभव होने की संभावना की भविष्यवाणी की।
नए अध्ययन में, वैज्ञानिकों ने उस मशीन लर्निंग - "सावधान ट्यूनिंग के साथ" का प्रदर्शन किया - समय के साथ मृत्यु दर के परिणामों की सफलतापूर्वक भविष्यवाणी करने के लिए इस्तेमाल किया जा सकता है, प्राथमिक देखभाल के संयुक्त राष्ट्र के प्रोफेसर जो काई ने बयान में कहा।
एआई का उपयोग करते समय यह कई स्वास्थ्य देखभाल पेशेवरों के लिए अपरिचित हो सकता है, अध्ययन में इस्तेमाल किए गए तरीकों को प्रस्तुत करना "इस रोमांचक क्षेत्र के वैज्ञानिक सत्यापन और भविष्य के विकास में मदद कर सकता है," काई ने कहा।
निष्कर्ष PLOS ONE जर्नल में आज (27 मार्च) ऑनलाइन प्रकाशित किए गए थे।
