Аналитическое моделирование для предсказания рисков смерти
Глубокое машинное обучение широко используется для создания различных моделей и прогнозов. Google создал аналитическую модель, которая — используя большие данные и искусственный интеллект, хранящиеся в базах данных больниц может предсказать риск смерти пациента гораздо эффективнее, чем традиционные модели и инструменты прогнозирования.
Аналитический инструмент, подготовленный специалистами Google для разработки искусственного интеллекта, смог обработать более 46 миллиардов отдельных медицинских данных на более чем 216 000 пациентов только из двух больниц.
Используя новейшие решения и процедуры, основанные на технологии машинного обучения и методологии глубокого машинного обучения, инструмент смог оценить, сколько времени конкретному пациенту следует провести в больнице, и каков риск незапланированной повторной госпитализации по той же причине, что и раньше. В некоторых случаях модель Google может точно оценить даже вероятность смерти для данного пациента.
Эффективность прогнозов
Результаты Google сравнивались с показателями точности традиционных прогностических моделей, и оказалось, что инструмент, основанный на технологиях, поддерживаемых искусственным интеллектом, более чем на 10 процентов эффективнее в оценке смертности пациентов. Точно так же, когда дело дошло до определения срока госпитализации. Показатели были сопоставимы только в случае потенциального возвращения пациента в больницу.
Важно отметить, что данные, которые были проанализированы, никак не были отобраны самими людьми. Искусственный интеллект самостоятельно оценил, какая информация важна для данного пациента. Эти результаты показывают огромный потенциал когнитивных технологий.
Конечно, аналитические инструменты, использующие глубокое машинное обучение, не заменят опытных врачей, но они могут оказать существенную поддержку в их работе — например, сокращение времени на завершение процессов или уменьшение количества потенциальных ошибок. Это чрезвычайно важно даже в тех областях, где время имеет решающее значение для эффективности организации.
Перспективы развития когнитивных технологий
«На карту поставлено здоровье человека» — объясняет Адам Дзельницки из Atman. Так называемая EHR (электронная медицинская карта), или электронная медицинская карта, является одним из цифровых стандартов западного здравоохранения, который буквально содержит все медицинские данные пациента.
Это потенциально тысячи различных переменных, упорядочение и анализ которых на основе традиционных моделей являются практически невозможными задачами. Обычно используемые прогностические модели требуют огромных усилий путем ручного выбора или преобразования соответствующих переменных данных.
По мнению экспертов Deloitte в анализе «Когнитивные технологии. Технический учебник», расходы на внедрение когнитивных технологий, таких как глубокое машинное обучение или искусственный интеллект, могут составить до 200 миллиардов долларов в 2017–2021 годах. Одним из основных факторов, влияющих на это развитие, является быстро растущий объем данных, которые должны обрабатывать организации.
