Các nhà nghiên cứu y học đã mở khóa một khả năng đáng lo ngại trong trí tuệ nhân tạo (AI): dự đoán cái chết sớm của một người.
Các nhà khoa học gần đây đã đào tạo một hệ thống AI để đánh giá một thập kỷ dữ liệu sức khỏe nói chung được gửi bởi hơn nửa triệu người ở Vương quốc Anh. Sau đó, họ giao nhiệm vụ cho AI dự đoán liệu các cá nhân có nguy cơ tử vong sớm hay không - nói cách khác, sớm hơn tuổi thọ trung bình - từ bệnh mãn tính, họ đã báo cáo trong một nghiên cứu mới.
Các dự đoán về cái chết sớm được tạo ra bởi các thuật toán AI là "chính xác hơn đáng kể" so với các dự đoán được đưa ra bởi một mô hình không sử dụng máy học, tác giả chính của nghiên cứu, Tiến sĩ Stephen Weng, trợ lý giáo sư dịch tễ học và khoa học dữ liệu tại Đại học Nottingham (UN) ở Anh, cho biết trong một tuyên bố.
Để đánh giá khả năng tử vong sớm của các đối tượng, các nhà nghiên cứu đã thử nghiệm hai loại AI: "học sâu", trong đó các mạng xử lý thông tin xếp lớp giúp máy tính học hỏi từ các ví dụ; và "rừng ngẫu nhiên", một loại AI đơn giản hơn kết hợp nhiều mô hình giống như cây để xem xét các kết quả có thể xảy ra.
Sau đó, họ so sánh kết luận của các mô hình AI với kết quả từ một thuật toán tiêu chuẩn, được gọi là mô hình Cox.
Sử dụng ba mô hình này, các nhà khoa học đã đánh giá dữ liệu trong UK Biobank - cơ sở dữ liệu truy cập mở về dữ liệu di truyền, vật lý và sức khỏe - được gửi bởi hơn 500.000 người từ năm 2006 đến 2016. Trong thời gian đó, gần 7.500 người tham gia đã chết, chủ yếu từ ung thư, bệnh tim và các bệnh về đường hô hấp.
Các biến khác nhau
Tất cả ba mô hình xác định rằng các yếu tố như tuổi tác, giới tính, tiền sử hút thuốc và chẩn đoán ung thư trước đó là các biến số hàng đầu để đánh giá khả năng tử vong sớm của một người. Nhưng các mô hình chuyển hướng qua các yếu tố quan trọng khác, các nhà nghiên cứu tìm thấy.
Mô hình Cox dựa nhiều vào sắc tộc và hoạt động thể chất, trong khi mô hình máy học thì không. Theo nghiên cứu, so sánh, mô hình rừng ngẫu nhiên chú trọng nhiều hơn vào tỷ lệ mỡ cơ thể, chu vi vòng eo, lượng trái cây và rau quả mà mọi người ăn và màu da, theo nghiên cứu. Đối với mô hình học tập sâu, các yếu tố hàng đầu bao gồm tiếp xúc với các mối nguy liên quan đến công việc và ô nhiễm không khí, uống rượu và sử dụng một số loại thuốc.
Khi tất cả các cuộc khủng hoảng số đã được thực hiện, thuật toán học sâu đã đưa ra dự đoán chính xác nhất, xác định chính xác 76 phần trăm đối tượng đã chết trong thời gian nghiên cứu. Khi so sánh, mô hình rừng ngẫu nhiên dự đoán chính xác khoảng 64% trường hợp tử vong sớm, trong khi mô hình Cox chỉ xác định khoảng 44%.
Đây không phải là lần đầu tiên các chuyên gia khai thác sức mạnh dự đoán của AI để chăm sóc sức khỏe. Năm 2017, một nhóm các nhà nghiên cứu khác đã chứng minh rằng AI có thể học cách phát hiện sớm các dấu hiệu của bệnh Alzheimer; thuật toán của họ đã đánh giá quét não để dự đoán liệu một người có khả năng mắc bệnh Alzheimer hay không và nó đã làm như vậy với độ chính xác khoảng 84%, Live Science đã báo cáo trước đây.
Một nghiên cứu khác cho thấy AI có thể dự đoán sự khởi phát của bệnh tự kỷ ở trẻ 6 tháng tuổi có nguy cơ mắc chứng rối loạn cao. Tuy nhiên, một nghiên cứu khác có thể phát hiện các dấu hiệu xâm lấn bệnh tiểu đường thông qua phân tích quét võng mạc; và một điều nữa - cũng sử dụng dữ liệu thu được từ quét võng mạc - dự đoán khả năng bệnh nhân bị đau tim hoặc đột quỵ.
Trong nghiên cứu mới, các nhà khoa học đã chứng minh rằng học máy - "với sự điều chỉnh cẩn thận" - có thể được sử dụng để dự đoán thành công kết quả tử vong theo thời gian, đồng tác giả nghiên cứu Joe Kai, giáo sư chăm sóc chính của Liên Hợp Quốc, cho biết trong tuyên bố.
Mặc dù sử dụng AI theo cách này có thể xa lạ với nhiều chuyên gia chăm sóc sức khỏe, việc trình bày các phương pháp được sử dụng trong nghiên cứu "có thể giúp xác minh khoa học và phát triển tương lai của lĩnh vực thú vị này", Kai nói.
Những phát hiện được công bố trực tuyến hôm nay (27 tháng 3) trên tạp chí PLOS ONE.
