В настоящее время у врачей имеется множество способов прогнозировать состояние здоровья пациента. Ни один из них, впрочем, не является универсальным, и многие патологии (к примеру, сердечные приступы) предвидеть очень сложно. Ученые продемонстрировали, что компьютеры, способные к самообучению, могут работать даже лучше стандартных медицинских практик и значительно улучшить качество прогнозирования. Если подобная практика будет реализована, новый метод поможет ежегодно спасать тысячи, если не миллионы жизней.
Искуственный интеллект научился предсказывать заболевания лучше человека

Каждый год около 20 миллионов человек умирают от сердечно-сосудистых заболеваний, включая сердечные приступы, инсульты, закупорку артерий и другие патологии сердечно-сосудистой системы. Для того, чтобы попытаться предсказать подобные осложнения, доктора в западных странах используют директивы American College of Cardiology/American Heart Association (ACC/AHA). Они базируются на восьми факторах риска, включая возраст, уровень холистерина в крови и кровяное давление, из показателей которых врач и пытается составить единую картину заболевания.

Для многих случаев такой подход часто бывает излишне упрощенным, к тому же на организм пациента могут влиять и другие факторы, в результате которых могут развиться сердечно-сосудистые заболевания. В новом исследовании Стивен Вэн, эпидемиолог из Университета Ноттингема в Великобритании, сравнил директивы ACC/AHA с четырьмя алгоритмами машинного обучения: случайный лес (random forest), логистическая регрессия, повышение градиента и нейронная сеть. Все четыре алгоритма были направлены на анализ множества данных, которые в теории позволили бы ИИ совершать медицинские прогнозы лучше человека. В этом случае данные были получены из электронных медицинских записей 378 256 пациентов в Великобритании. Целью было найти образцы записей, которые были связаны с сердечно-сосудистыми событиями.

Во-первых, алгоритмы искусственного интеллекта (AI) должны были тренироваться самостоятельно. Они использовали около 78% данных — примерно 295 267 записей — для поиска шаблонов и создания своих собственных внутренних «рекомендаций». Затем они протестировали себя на остальных документах. Используя данные 2005 года, алгоритмы предсказали, какие пациенты получат проблемы с сердцем и сосудами в течение следующих 10 лет, а затем проверили свои предположения с помощью записей 2015 года. В отличие от рекомендаций ACC / AHA, машинным методам обучения было разрешено учитывать еще 22 точки данных, включая этническую принадлежность, артрит и заболевание почек.

В результате, все четыре метода ИИ оказались куда более эффективными в прогнозах, чем рекомендации ACC / AHA. Используя статистику AUC (в которой 1,0 балла означает 100% -ную точность), директивы ACC / AHA достигли 0,728. Четыре новых метода варьировались от 0,745 до 0,764, о чем команда Вэна сообщила в журнале PLOS ONE. В тестовой выборке участвовали около 83 000 записей, и в битве ИИ и человека машины «спасли» на 355 пациентов больше. Это потому, говорит Вэн, что предсказание часто приводит к профилактике, посредством снижения уровня холестерина или изменения в диете.

Некоторые из факторов риска, которые алгоритмы машинного обучения определили как наиболее сильные предикторы, не включены в рекомендации ACC / AHA. Среди них, например, тяжелые психические заболевания и пероральный прием кортикостероидов. Между тем, ни один из параметров, который находится в списке ACC / AHA, не входит в число 10 самых важных предикторов по версии машин (и даже диабет). В будущем, Вэн надеется подключить и другие социальные и генетические для дальнейшего увеличения точности алгоритмов.