Quando compagnie assicurative, HMO, medicare, ecc. Implementano questa tecnologia, i pazienti vedranno una discriminazione dilagante in base al loro punteggio di salute AI; dopo tutto, chi venderebbe una polizza di assicurazione sulla vita a qualcuno che morirà presto? ⁃ Editor TN
Algoritmi simili a quelli impiegati da Netflix e Spotify per personalizzare i servizi sono ora migliori dei medici umani nell'individuare chi morirà o avrà un infarto.
L'apprendimento automatico è stato utilizzato per addestrare LogitBoost, che secondo i suoi sviluppatori possono prevedere la morte o gli attacchi di cuore con una precisione del 90.
È stato programmato per utilizzare le variabili 85 per calcolare il rischio per la salute dei pazienti 950 da cui sono state alimentate scansioni e dati.
I pazienti che lamentavano dolore toracico sono stati sottoposti a una serie di scansioni e test prima di essere trattati con metodi tradizionali.
I loro dati sono stati successivamente utilizzati per addestrare l'algoritmo.
Ha "appreso" i rischi e, durante i sei anni di follow-up, ha avuto un tasso di successo del 90% nel prevedere 24 attacchi di cuore e 49 decessi per qualsiasi causa.
LogitBoost che è stato programmato per utilizzare 85 variabili per calcolare i rischi per la salute di una persona che lamentava dolore al petto. I pazienti sono stati sottoposti a una scansione angiografica con tomografia computerizzata coronarica (CCTA) (nella foto, scansione di riserva) che ha raccolto 58 punti dati
Servizi come Netflix e Spotify utilizzano tutti algoritmi in modo simile per adattarsi ai singoli utenti e offrire un aspetto più personalizzato.
L'autore dello studio, il dott. Luis Eduardo Juarez-Orozco, del Turku PET Centre, in Finlandia, ha affermato che questi progressi vanno oltre la medicina.
Ha detto: "Questi progressi vanno ben oltre ciò che è stato fatto in medicina, dove dobbiamo essere cauti su come valutiamo il rischio e gli esiti.
"Abbiamo i dati ma non li stiamo ancora sfruttando al massimo delle loro potenzialità."
I medici utilizzano i punteggi di rischio per prendere decisioni sul trattamento, ma questi punteggi si basano solo su una "manciata" di variabili nei pazienti.
Attraverso la ripetizione e la regolazione, le macchine usano grandi quantità di dati per identificare schemi complessi non evidenti per l'uomo.
Il dottor Juarez-Orozco ha detto: 'Gli esseri umani hanno difficoltà a pensare oltre le tre o quattro dimensioni.
'Nel momento in cui saltiamo nella quinta dimensione ci perdiamo.
"Il nostro studio mostra che i modelli dimensionali molto elevati sono più utili dei modelli monodimensionali per prevedere i risultati negli individui e per questo abbiamo bisogno dell'apprendimento automatico."
wpDiscuz