Yapay Zeka Ölüm Tarihinizi Tahmin Edebilir!
Yapay zeka kronik hastalığa bağlı erken ölümü tahmin edebilir!: Yeni bir araştırma, kronik hastalığa bağlı erken ölümü tahmin etmeyi kendi kendine öğrenebilecek yetenekli bilgisayarların gelecekte önleyici sağlık hizmetlerini büyük ölçüde geliştirebileceğini ileri sürüyor.
04 Mayıs 2019 - 13:21 - Güncelleme: 05 Mayıs 2019 - 10:49
Nottingham Üniversitesi uzmanları tarafından yapılan yeni bir çalışma kronik/süreğen hastalığa bağlı erken ölümü tahmin etmeyi kendileri öğrenebilecek kapasitedeki bilgisayarların gelecekteki koruyucu sağlık hizmetlerini büyük ölçüde geliştirebileceğini öngörüyor. Sağlık veri hizmeti uzmanları ve doktorlardan oluşan bir ekip , orta yaş nüfustan oluşan geniş bir grupta kronik/süreğen hastalığa bağlı erken ölüm riskini tahmin etmek için bilgisayar tabanlı bir “makinesel öğrenme” algoritma sistemini geliştirdi ve test etti. Yapay zeka sisteminin ihtimal hesaplamalarında oldukça doğru ve günümüzde kullanılan uzman tahminlerine dayalı standart yaklaşımdan daha isabetli olduğu görüldü. Çalışma, PLOS ONE tarafından “Sağlık ve Biyotıpta Makine Öğrenimi” başlıklı özel bir sayıda yayınlandı.
Ekip, 2006 ve 2010 yılları arasında Birleşik Krallık Biobank’ta toplanmış 40 ila 69 yaşları arasındaki yarım milyondan fazla insanın sağlık verilerini kullandı ve 2016 yılına kadar hasta verilerini takip etti. Çalışmanın öncüsü, Epidemiyolojist ve Veri Bilimci Doç. Dr. Stephen Weng in ifadesiyle : “Önleyici sağlık hizmetleri, ciddi hastalıklara karşı mücadelede artan bir önceliktir, bu yüzden toplum sağlığında bilgisayarlı sağlık risk değerlendirmesinin doğruluğunu arttırmak için birkaç yıldır çalışıyoruz. Çoğu uygulama tek bir hastalık alanına odaklanır, ancak birkaç farklı hastalık sonucu ölüm riskini tahmin etmek, özellikle kendilerini etkileyebilecek çevresel ve bireysel faktörler göz önüne alındığında oldukça karmaşıktır. “ Makinesel öğrenme / yapay zeka ” kullanarak hastalığa bağlı erken ölüm riskini öngörmek için benzersiz ve bütünsel bir yaklaşım geliştirerek bu alanda ileriye doğru büyük bir adım attık. Bu sistem , her bireyin demografik ,biyometrik, klinik verilerini ve yaşam tarzı gibi çok çeşitli özelliklerini hatta günlük diyetteki/beslenmesindeki meyve, sebze ve et tüketimlerini bile dikkate alarak yeni risk tahmin modelleri oluşturmak için bilgisayarları kullanıyor.
“Ulusal İstatistik Ofisi ölüm kayıtları, İngiltere kanser kayıt defteri ve hastane kayıtları kullanarak, belli yaş aralığı ve özellikteki insanlardan oluşan gurupta elde edilen ölüm beklentilerine ilişkin tahminleri haritalandırdık. Makinesel öğrenme algoritma verilerinin, ölümü tahmin etmede uzmanlar tarafından halen kullanılan standart tahmin model verilerinden belirgin olarak daha anlamlı olduğunu gördük” Yeni çalışmada kullanılan yapay zeka temelli makinesel öğrenme modelleri ‘rastgele orman’ ve ‘derin öğrenme’ olarak bilinir. Bu modeller, yaşı ve cinsiyeti temel alan geleneksel olarak kullanılan ‘Cox regresyon’ tahmin modeli ki ölüm oranını tahmin etmede en az kesinliğe sahiptir ve ayrıca daha iyi çalışan ancak riski fazla tahmin etme eğiliminde olan çok değişkenli Cox modeli ile kaşılaştırıldı.
Projede çalışan akademisyenlerden biri olan Profesör Joe Kai, “Şu anda sağlık sonuçlarını daha iyi tahmin etmek için“ yapay zekanın ”veya“ makinesel öğrenmenin ” potansiyelini kullanmaya yoğun bir ilgi var. Yapay zeka bazı durumlarda yararlı olabilir, bazılarında olmayabilir. Belirlenen bu özel durumda, dikkatli ve ince ayarlama yaparak, bu algoritmaların sağlık sonuçlarını öngörmeyi anlamlı bir şekilde iyileştirebileceğini gösterdik.” “Bu teknikler, sağlık araştırmalarında birçok kişi için yeni ve takip edilmesi zor olabilir. Bu yöntemleri şeffaf bir şekilde ve açıkça rapor ederek, bilimsel doğrulamaya ve heyecan verici bu alanın gelecekteki gelişimine yardımcı olabileceğine inanıyoruz.”
Bu yeni çalışma, Nottingham ekibi tarafından dört farklı yapay zeka algoritması, ‘rastgele orman’, ‘lojistik regresyon’, ‘gradyan artırma’ ve ‘sinir ağları’, kullanılarak yapılmış ve kardiyovasküler hastalıkların öngörülmesinde güncel kardiyoloji kılavuzlarında önerilen algoritmadan daha iyi olduğunu ortaya konan bir önceki çalışma üzerine inşa edilmiştir. Nottinghamlı araştırmacılar, yapay zekanın kişiselleştirilmiş ilaç sağlama yeteneğine sahip gelecekteki araçları geliştirmede ve risk yönetimini bireysel olarak hastalara göre uyarlamada hayati bir rol oynayacağını tahmin ediyor. Yapay zeka algoritmalarının doğrulanması, onaylanması, ve rutin sağlık hizmetlerine kullanılması için daha fazla araştırmaya ihtiyaç var.
Editör / Yazar: ORHAN ORHAN
Kaynak: https://www.sciencedaily.com/releases/2019/03/190327142032.ht
Dünyalılar org
Ekip, 2006 ve 2010 yılları arasında Birleşik Krallık Biobank’ta toplanmış 40 ila 69 yaşları arasındaki yarım milyondan fazla insanın sağlık verilerini kullandı ve 2016 yılına kadar hasta verilerini takip etti. Çalışmanın öncüsü, Epidemiyolojist ve Veri Bilimci Doç. Dr. Stephen Weng in ifadesiyle : “Önleyici sağlık hizmetleri, ciddi hastalıklara karşı mücadelede artan bir önceliktir, bu yüzden toplum sağlığında bilgisayarlı sağlık risk değerlendirmesinin doğruluğunu arttırmak için birkaç yıldır çalışıyoruz. Çoğu uygulama tek bir hastalık alanına odaklanır, ancak birkaç farklı hastalık sonucu ölüm riskini tahmin etmek, özellikle kendilerini etkileyebilecek çevresel ve bireysel faktörler göz önüne alındığında oldukça karmaşıktır. “ Makinesel öğrenme / yapay zeka ” kullanarak hastalığa bağlı erken ölüm riskini öngörmek için benzersiz ve bütünsel bir yaklaşım geliştirerek bu alanda ileriye doğru büyük bir adım attık. Bu sistem , her bireyin demografik ,biyometrik, klinik verilerini ve yaşam tarzı gibi çok çeşitli özelliklerini hatta günlük diyetteki/beslenmesindeki meyve, sebze ve et tüketimlerini bile dikkate alarak yeni risk tahmin modelleri oluşturmak için bilgisayarları kullanıyor.
“Ulusal İstatistik Ofisi ölüm kayıtları, İngiltere kanser kayıt defteri ve hastane kayıtları kullanarak, belli yaş aralığı ve özellikteki insanlardan oluşan gurupta elde edilen ölüm beklentilerine ilişkin tahminleri haritalandırdık. Makinesel öğrenme algoritma verilerinin, ölümü tahmin etmede uzmanlar tarafından halen kullanılan standart tahmin model verilerinden belirgin olarak daha anlamlı olduğunu gördük” Yeni çalışmada kullanılan yapay zeka temelli makinesel öğrenme modelleri ‘rastgele orman’ ve ‘derin öğrenme’ olarak bilinir. Bu modeller, yaşı ve cinsiyeti temel alan geleneksel olarak kullanılan ‘Cox regresyon’ tahmin modeli ki ölüm oranını tahmin etmede en az kesinliğe sahiptir ve ayrıca daha iyi çalışan ancak riski fazla tahmin etme eğiliminde olan çok değişkenli Cox modeli ile kaşılaştırıldı.
Projede çalışan akademisyenlerden biri olan Profesör Joe Kai, “Şu anda sağlık sonuçlarını daha iyi tahmin etmek için“ yapay zekanın ”veya“ makinesel öğrenmenin ” potansiyelini kullanmaya yoğun bir ilgi var. Yapay zeka bazı durumlarda yararlı olabilir, bazılarında olmayabilir. Belirlenen bu özel durumda, dikkatli ve ince ayarlama yaparak, bu algoritmaların sağlık sonuçlarını öngörmeyi anlamlı bir şekilde iyileştirebileceğini gösterdik.” “Bu teknikler, sağlık araştırmalarında birçok kişi için yeni ve takip edilmesi zor olabilir. Bu yöntemleri şeffaf bir şekilde ve açıkça rapor ederek, bilimsel doğrulamaya ve heyecan verici bu alanın gelecekteki gelişimine yardımcı olabileceğine inanıyoruz.”
Bu yeni çalışma, Nottingham ekibi tarafından dört farklı yapay zeka algoritması, ‘rastgele orman’, ‘lojistik regresyon’, ‘gradyan artırma’ ve ‘sinir ağları’, kullanılarak yapılmış ve kardiyovasküler hastalıkların öngörülmesinde güncel kardiyoloji kılavuzlarında önerilen algoritmadan daha iyi olduğunu ortaya konan bir önceki çalışma üzerine inşa edilmiştir. Nottinghamlı araştırmacılar, yapay zekanın kişiselleştirilmiş ilaç sağlama yeteneğine sahip gelecekteki araçları geliştirmede ve risk yönetimini bireysel olarak hastalara göre uyarlamada hayati bir rol oynayacağını tahmin ediyor. Yapay zeka algoritmalarının doğrulanması, onaylanması, ve rutin sağlık hizmetlerine kullanılması için daha fazla araştırmaya ihtiyaç var.
Editör / Yazar: ORHAN ORHAN
Kaynak: https://www.sciencedaily.com/releases/2019/03/190327142032.ht
Dünyalılar org
YORUMLAR