Actualidad
La inteligencia artificial ya es capaz de predecir muertes prematuras
Las predicciones de los algoritmos de IA fueron "significativamente más precisas" que el enfoque estándar actual, desarrollado por expertos humanos, asegura la investigación.
Un equipo de científicos y médicos desarrolló un algoritmo de predicción basado en inteligencia artificial (IA), capaz de determinar con gran exactitud el riesgo de muerte prematura de un paciente, asegura un estudio publicado esta semana en la revista PLOS ONE.
Los investigadores, liderados por Stephen Weng, profesor asistente de epidemiología y ciencia de datos en la Universidad de Nottingham (Reino Unido), evaluaron los datos médicos de 502.628 personas en el país, con edades de entre 40 y 69 años, y en un periodo comprendido entre 2006 y 2016. Durante ese tiempo, 14.418 de los participantes murieron, principalmente de cáncer, enfermedades del corazón y respiratorias.
Para evaluar la probabilidad de predecir la muerte de estos pacientes, los expertos utilizaron dos modelos de algoritmos de IA: 'deep learning' ('aprendizaje profundo'), y 'random forest' ('bosque aleatorio'). El primero, basado en sistemas de capas ordenadas a modo de una red neuronal cerebral, es capaz de generar respuestas a partir de ejemplos ya dados; el segundo combina múltiples modelos de decisiones en forma de árbol para formar un posible resultado.
Los resultados se compararon con un tercer modelo estadístico conocido como regresión de Cox, que calcula los riesgos que afectan a la supervivencia de una población de individuos.
"Hemos dado un gran paso"
Las conclusiones demostraron que las predicciones de los algoritmos de IA fueron "significativamente más precisas" que el enfoque estándar actual, desarrollado por expertos humanos.
Así, el algoritmo de 'aprendizaje profundo' arrojó las predicciones más precisas, logrando identificar el 76 % de los sujetos que murieron durante el periodo de estudio. Mientras tanto, el modelo de 'bosque aleatorio' predijo correctamente alrededor del 64 % y la regresión de Cox solo alrededor del 44 %.
De acuerdo con Weng, la implementación de estos algoritmos computarizados en la atención médica preventiva podría mejorar la precisión de la evaluación de riesgos en la lucha contra enfermedades graves. De esta forma, es posible crear nuevos modelos de predicción que tengan en cuenta una amplia gama de características demográficas, factores biométricos, clínicos y el estilo de vida de cada individuo; incluso su consumo diario de frutas, verduras y carne.
"Hemos dado un gran paso adelante en este campo al desarrollar un enfoque único y holístico para predecir el riesgo de muerte prematura de una persona mediante el aprendizaje automático", concluye.
comentarios