Robotitus

Las computadoras que son capaces de enseñarse a sí mismas para predecir la muerte prematura podrían mejorar considerablemente la atención médica preventiva en el futuro, sugiere un nuevo estudio realizado por expertos de la Universidad de Nottingham. Los investigadores, conformados por un equipo de científicos y médicos, han desarrollado y probado un sistema de algoritmos informáticos de “aprendizaje automático” para predecir el riesgo de muerte prematura debido a una enfermedad crónica en una gran población de mediana edad. Descubrieron que este sistema de inteligencia artificial era muy preciso en sus predicciones y funcionaba mejor que el enfoque estándar actual para la predicción desarrollado por expertos humanos.

 El estudio ha sido publicado por PLOS ONE en una edición especial de “Machine Learning in Health and Biomedicine”. El equipo utilizó datos de salud de poco más de medio millón de personas de entre 40 y 69 años reclutadas en el Biobanco del Reino Unido entre el 2006 y el 2010 y seguidas hasta 2016. Al liderar el trabajo, el Profesor Asistente de Epidemiología y Ciencia de Datos, el Dr. Stephen Weng, dijo: “La atención médica preventiva es una prioridad cada vez mayor en la lucha contra enfermedades graves, por lo que hemos estado trabajando durante varios años para mejorar la precisión de la evaluación de riesgos de salud computarizada. en la población general. La mayoría de las aplicaciones se centran en un área de enfermedad única, pero predecir la muerte debido a diferentes resultados de la enfermedad es muy complejo, especialmente debido a los factores ambientales e individuales que pueden afectarlos.

“Hemos dado un gran paso adelante en este campo al desarrollar un enfoque único y holístico para predecir el riesgo de muerte prematura de una persona mediante el aprendizaje automático. Esto utiliza computadoras para crear nuevos modelos de predicción de riesgos que tengan en cuenta una amplia gama de características demográficas. Factores biométricos, clínicos y de estilo de vida para cada individuo evaluado, incluso su consumo dietético de frutas, verduras y carne por día.