به گزارش سرویس ترجمه ایمنا، دانشمندان سیستمی را طراحی کرده‌اند که بر اساس الگوریتم های پیش بینی، در یادگیری ماشینی 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 پژوهش، اطلاعات مرتبط با شرایط سلامتی حدود ۵۰۰ هزار مرد و زن ۴۰ تا ۶۹ ساله طی سال‌های ۲۰۰۶ تا ۲۰۱۰ از بانک زیستی انگلستان استخراج شد و تا سال ۲۰۱۶ تحت بررسی قرار گرفت.
به گفته دکتر استفان ونگ، سرپرست این پژوهش، در دنیای پزشکی برای مقابله با بیماری‌های مزمن، مراقبت های پیشگیرانه در اولویت قرار دارد. تا کنون بسیاری از اپلیکیشن هایی که به این منظور طراحی شده بودند، بر پیش‌بینی بروز یک بیماری خاص تمرکز داشتند اما پیش بینی مرگ به علل متفاوت و 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 در مسیر رویکرد جامع پیش بینی خطر مرگ زودرس از طریق یادگیری ماشینی گامی بلند برداشته‌اند که بررسی 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.
بنابراین گزارش این روش پیش‌بینی نقش حیاتی را در توسعه ابزارهایی خواهد داشت که به طور سفارشی دارو حمل می کنند اما هنوز تحقیقات بیشتری بر نمونه‌های جمعیتی متفاوت برای اعتباربخشی به این الگوریتم ها نیاز است.
این پژوهش در مجله معتبر "PLOS ONE" منتشر شده است.
نظر شما