{{{sourceTextContent.title}}}

“L'apprendimento automatico della scatola nera” predice gli attacchi di cuore

{{{sourceTextContent.subTitle}}}

Permettere che le macchine imparino i fattori di rischio in un gran numero dei pazienti porta alle migliori previsioni degli attacchi di cuore, secondo un nuovo studio.

{{{sourceTextContent.description}}}

L'algoritmo «della scatola nera» di intelligenza artificiale impiegato da medici e dagli esperti in dati all'università di Nottingham era migliore agli attacchi di cuore di predizione che la metodologia tipica stabilita dall'istituto universitario americano della cardiologia, essi riferisce in PLOS One.

«L'apprendimento automatico migliora significativamente l'accuratezza della previsione cardiovascolare di rischio, aumentante il numero dei pazienti ha identificato che potrebbero trarre giovamento dal trattamento preventivo, mentre evitavano il trattamento inutile di altri,» essi scrivono.

Gli scienziati hanno preso un gruppo di 383.592 pazienti dalla ricerca clinica Datalink della pratica del Regno Unito. Un'ampia varietà di fattori di rischio e di risultati di salute è stata seguita dal gennaio 2005 al gennaio 2015.

I 75 per cento casuale del campione (295.267) sono entrato in «addestramento» del AI. Gli altri 25 per cento (82.989 pazienti) sono stati usati per verificare l'accuratezza degli algoritmi macchina-prodotti.

Il modello tradizionale di previsione della cardiologia dal ACA comprende i fattori come l'età, il colesterolo totale, il colesterolo di HDL, il fumo, la pressione sanguigna ed il diabete.

Ma i quattro algoritmi della macchina risultati una più grande selezione dei fattori nei loro modelli, includente: COPD, malattia mentale severa, prescrizione dei corticosteroidi orali, livelli del trigliceride, fibrillazioni atriali, malattia renale cronica ed artrite reumatoide.

C'erano 24.970 eventi cardiovascolari nel gruppo di prova. Le reti che neurali l'algoritmo stabilito dal AI (il meglio dei quattro modelli) era 3,6 per cento più accurato del modello stabilito corrente, i ricercatori di Nottingham riferiscono. Per di più, correggeva ha predetto i 355 nuovi pazienti supplementari che hanno sviluppato la malattia cardiovascolare che non è stato identificato dalle linee guida di ACA.

Ma le limitazioni dell'apprendimento automatico «della scatola nera» sono importanti da notare, essi aggiungono. La macchina sviluppa i suoi propri strumenti e tecniche di previsione, che possono parzialmente essere capite soltanto e tracciate dagli operatori umani, spiegano.

«È riconosciuto che la natura “della scatola nera” degli algoritmi di apprendimento automatico, in particolare le reti neurali, può essere difficile da interpretare,» essi scrive. «Questo si riferisce alla complessità inerente in come le variabili di fattore di rischio stanno interagendo ed i loro effetti indipendenti sul risultato.»

L'apprendimento automatico è stato guardato come a metodo per comprendere una varietà complessa di fattori di rischio nelle malattie che sono ancora imprevedibili. Il mese scorso un gruppo ha proposto il modello della previsione di un Alzheimer nella medicina di PLOS.