У врачей существует множество методик, по которым они могут предположить, как будет изменяться состояние здоровья пациента при тех или иных условиях. Правда, эти методики сложно назвать универсальными.
Недавно специалисты показали, как самообучающиеся компьютеры в вопросах прогнозирования могут быть лучше, чем стандартные медицинские практики. Если данная методика будет работать, то каждый год медики смогут спасать тысячи жизней, а, возможно, и миллионы.
Ежегодно около 20 миллионов человек умирает от заболеваний сердечно-сосудистой системы. Это и сердечные приступы, и инсульты, и закупорка артерий, и ряд других патологий. Для прогнозирования их возникновения специалисты пользуются так называемой директивой ACC/AHA, которая основывается на ряде факторов риска.
Но в ряде случаев данный подход можно считать слишком упрощённым, так как на пациента оказывает влияние ряд других факторов. Специалист из Университета Ноттингема С.Вэн определил, что данные директивы могут быть сравнимы с алгоритмами машинного обучения. Это так называемые «случайный лес», логистическая регрессия, увеличение градиента и нейронные сети. Все эти алгоритмы анализируют множественные данные, и теоретически могут осуществлять медицинское прогнозирование не хуже, чем люди, а, скорее всего, и лучше.
Исследователи использовали данные из медицинских карт 378 256 пациентов в Великобритании. В результате исследования было выявлено, что прогнозы, составленные по картам десятилетней давности, отвечают действительности на 78%. При анализе машинные методы обучения принимают во внимание 22 точки данных, в том числе и те, которые не принимают врачи, например, принадлежность к этнической группе, болезни почек или наличие артрита.
