به گفته محققان، این سیستم الگوریتمی پیش بینیهای دقیقی را در مقایسه با رویکرد استاندارد طراحی شده توسط کارشناسان انسانی انجام داده است. به منظور انجام این مطالعه، اطلاعات مرتبط با شرایط سلامتی حدود 500 هزار مرد و زن 40 تا 69 ساله طی سالهای2006 تا 2010 از بانک زیستی انگلستان استخراج شد و تا سال 2016 تحت بررسی قرار گرفت.
به گفته دکتر استفان ونگ، رهبر این مطالعه، در دنیای پزشکی، مراقبتهای پیشگیرانه برای مقابله با بیماریهای مزمن از اولویت برخوردار است. تاکنون بسیاری از اپلیکیشنهایی که به این منظور طراحی شده بودند، بر یک بیماری خاص تمرکز داشتند، اما پیش بینی مرگ به علل متفاوت به علت پیچیدگی و تاثیر عوامل محیطی و فردی هنوز میسر نشده بود.
با طراحی این سیستم که دو الگوریتم یادگیری رندوم فارست (Random Forest) و یادگیری عمیق (deep learning) را مورد استفاده قرار داده بود، محققان گامی بلند در مسیر رویکرد جامع پیش بینی خطر مرگ زودرس از طریق یادگیری ماشینی بر داشته اند که طیف وسیعی از عوامل جمعیت شناختی، بیومتریک، بالینی، شیوه زندگی و حتی رژیم روزانه غذایی آنها از میوه، سبزیجات و گوشت در روز را شامل میشد.
بنابر این گزارش، این ابزار پیشبینی نقش حیاتی را در توسعه ابزارهایی خواهد داشت که به طور سفارشی دارو حمل میکنند، اما هنوز تحقیقات بیشتری بر نمونههای جمعیتی متفاوتی برای اعتباربخشی به این الگوریتمها نیاز است.
این پژوهش در مجله معتبر "PLOS ONE" منتشر شده است.
ایمنا