Les chercheurs en médecine ont débloqué une capacité troublante en intelligence artificielle (IA): prédire la mort précoce d'une personne.
Des scientifiques ont récemment formé un système d'IA pour évaluer une décennie de données générales sur la santé soumises par plus d'un demi-million de personnes au Royaume-Uni. Ensuite, ils ont chargé l'IA de prédire si les individus risquaient de mourir prématurément - en d'autres termes, plus tôt que l'espérance de vie moyenne - d'une maladie chronique, ont-ils rapporté dans une nouvelle étude.
Les prédictions de mort précoce qui ont été faites par les algorithmes d'IA étaient "beaucoup plus précises" que les prédictions fournies par un modèle qui n'utilisait pas l'apprentissage automatique, le principal auteur de l'étude, le Dr Stephen Weng, professeur adjoint d'épidémiologie et de science des données à l'Université de Nottingham (ONU) au Royaume-Uni, a déclaré dans un communiqué.
Pour évaluer la probabilité de mortalité prématurée des sujets, les chercheurs ont testé deux types d'IA: l '«apprentissage profond», dans lequel les réseaux de traitement de l'information en couches aident un ordinateur à apprendre à partir d'exemples; et «forêt aléatoire», un type d'IA plus simple qui combine plusieurs modèles arborescents pour examiner les résultats possibles.
Ensuite, ils ont comparé les conclusions des modèles d'IA aux résultats d'un algorithme standard, connu sous le nom de modèle de Cox.
À l'aide de ces trois modèles, les scientifiques ont évalué les données de la Biobanque britannique - une base de données en libre accès de données génétiques, physiques et sanitaires - soumises par plus de 500 000 personnes entre 2006 et 2016. Pendant cette période, près de 14 500 des participants sont décédés, principalement du cancer, des maladies cardiaques et des maladies respiratoires.
Différentes variables
Les trois modèles ont déterminé que des facteurs tels que l'âge, le sexe, les antécédents de tabagisme et un diagnostic de cancer antérieur étaient les principales variables pour évaluer la probabilité de décès précoce d'une personne. Mais les modèles ont divergé sur d'autres facteurs clés, ont découvert les chercheurs.
Le modèle Cox s'appuyait fortement sur l'origine ethnique et l'activité physique, contrairement aux modèles d'apprentissage automatique. En comparaison, selon l'étude, le modèle forestier aléatoire mettait davantage l'accent sur le pourcentage de graisse corporelle, le tour de taille, la quantité de fruits et légumes que les gens mangeaient et le teint. Pour le modèle d'apprentissage en profondeur, les principaux facteurs comprenaient l'exposition aux dangers liés au travail et à la pollution de l'air, la consommation d'alcool et l'utilisation de certains médicaments.
Lorsque tous les calculs ont été effectués, l'algorithme d'apprentissage en profondeur a fourni les prédictions les plus précises, identifiant correctement 76% des sujets décédés pendant la période d'étude. En comparaison, le modèle forestier aléatoire a correctement prédit environ 64% des décès prématurés, tandis que le modèle Cox n'a identifié qu'environ 44%.
Ce n'est pas la première fois que des experts exploitent le pouvoir prédictif de l'IA pour les soins de santé. En 2017, une autre équipe de chercheurs a démontré que l'IA pouvait apprendre à repérer les premiers signes de la maladie d'Alzheimer; leur algorithme a évalué les scintigraphies cérébrales pour prédire si une personne serait susceptible de développer une maladie d'Alzheimer, et il l'a fait avec une précision d'environ 84%, a rapporté Live Science précédemment.
Une autre étude a révélé que l'IA pouvait prédire l'apparition de l'autisme chez les bébés de 6 mois qui présentaient un risque élevé de développer le trouble. Pourtant, une autre étude pourrait détecter des signes d'empiètement du diabète grâce à l'analyse de la rétine; et un autre - également à l'aide de données dérivées de scintigraphies rétiniennes - a prédit la probabilité qu'un patient subisse une crise cardiaque ou un accident vasculaire cérébral.
Dans la nouvelle étude, les scientifiques ont démontré que l'apprentissage automatique - "avec un réglage minutieux" - peut être utilisé pour prédire avec succès les résultats de la mortalité au fil du temps, a déclaré le co-auteur Joe Kai, professeur de soins primaires à l'ONU, dans le communiqué.
Bien que l'utilisation de l'IA de cette façon puisse être inconnue de nombreux professionnels de la santé, la présentation des méthodes utilisées dans l'étude "pourrait aider à la vérification scientifique et au développement futur de ce domaine passionnant", a déclaré Kai.
Les résultats ont été publiés en ligne aujourd'hui (27 mars) dans la revue PLOS ONE.
