به گزارش ایمنا، دانشمندان سیستمی را طراحی کرده‌اند که بر اساس الگوریتم های پیش بینی در یادگیری ماشین مبتنی بر کامپیوتر، خطر مرگ زودرس بر اثر بیماری‌های مزمن را تشخیص می‌دهد.
به گفته محققان، این سیستم الگوریتمی پیش بینی های 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 ۵۰۰ هزار مرد و زن ۴۰ تا ۶۹ ساله طی سال‌های۲۰۰۶ تا ۲۰۱۰ از بانک زیستی انگلستان استخراج شد و تا سال ۲۰۱۶ تحت بررسی قرار گرفت.
به گفته دکتر استفان ونگ، رهبر این مطالعه، در دنیای پزشکی، مراقبت های پیشگیرانه برای مقابله با بیماری‌های مزمن از اولویت برخوردار است. تاکنون بسیاری از اپلیکیشن هایی 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 می کنند اما هنوز تحقیقات بیشتری بر نمونه‌های جمعیتی متفاوتی برای اعتباربخشی به این الگوریتم ها نیاز است.
این پژوهش در مجله معتبر "PLOS ONE" منتشر شده است.
- 11
- 3
