Kecerdasan buatan kini bisa memprediksi apakah seseorang akan meninggal dalam lima tahun ke depan

AI ini akan memberi tahu orang-orang kapan mereka akan mati – dan itu adalah hal yang baik. Hal ini karena para ilmuwan di Universitas Adelaide di Australia menggunakan teknologi pembelajaran mendalam untuk menganalisis pemindaian tomografi komputer (CT) organ pasien, yang suatu hari nanti dapat berfungsi sebagai sistem peringatan dini untuk mendeteksi penyakit jantung, kanker, dan penyakit lainnya secara dini sehingga dapat dilakukan intervensi. bisa terjadi.

Dengan menggunakan kumpulan data riwayat CT scan, dan tidak termasuk faktor prediktif lain seperti usia, sistem yang dikembangkan oleh tim mampu memprediksi apakah pasien akan meninggal dalam waktu lima tahun atau sekitar 70 persen. Pekerjaan itu dijelaskan dalam sebuah artikel Diterbitkan di majalah Laporan ilmiah.

Tujuan dari penelitian ini sebenarnya bukan untuk memprediksi kematian, namun untuk memberikan ukuran kesehatan yang lebih akurat, Dr. Luke Oakden-Raynerseorang peneliti menceritakan tren digital tentang proyek tersebut. Risiko pasien berhubungan langsung dengan kesehatan organ dan jaringannya, namun perubahan penyakit kronis terjadi selama beberapa dekade sebelum kita menunjukkan gejalanya. Pada saat kita menyadari bahwa suatu penyakit sudah ada, seringkali penyakit tersebut sudah cukup parah. Jadi kita dapat mengambil hasil yang diketahui, misalnya kematian, dan melihat kembali hasil pemindaian medis pasien untuk menemukan pola yang terkait dengan penyakit yang tidak terdeteksi. Tujuan kami adalah mengidentifikasi perubahan ini lebih dini dan lebih akurat, sehingga kami dapat menyesuaikan pengobatan kami untuk setiap individu.

AI menganalisis CT scan untuk mengambil keputusan.

Namun, saat ini, hal ini masih merupakan eksperimen pembuktian konsep, dan Oakden-Rayner menunjukkan bahwa masih banyak pekerjaan yang harus dilakukan sebelum hal ini menjadi alat klinis transformatif. Salah satu alasannya adalah AIS memiliki akurasi prediksi sebesar 70 persen saat melihat pemindaian, sejalan dengan prediksi manual yang dibuat oleh para ahli. Hal ini menjadikannya alat yang berpotensi menghemat waktu, atau cara yang baik untuk memeriksa ulang, namun harapannya adalah bahwa alat ini bisa lebih dari itu.

Langkah penting kami berikutnya adalah memperluas kumpulan data kami, lanjut Oakden-Rayner. Kami menggunakan kelompok kecil yang terdiri dari 48 pasien dalam penelitian ini untuk menunjukkan bahwa pendekatan kami dapat berhasil, namun secara umum pembelajaran mendalam akan bekerja lebih baik jika Anda dapat memberikan lebih banyak data. Kami mengumpulkan dan menganalisis kumpulan data dari puluhan ribu kasus pada tahap berikutnya dari proyek kami.

Tim ini juga bertujuan untuk memperluas apa yang dicari AI, untuk membantu melihat hal-hal seperti coretan sebelum menyerang.