Lorsque les compagnies d’assurance, les HMO, l’assurance-maladie, etc., mettront en œuvre cette technologie, les patients seront exposés à une discrimination endémique basée sur leur score de santé de l’IA; après tout, qui vendrait une police d'assurance-vie à quelqu'un qui va bientôt mourir? ⁃ Éditeur TN
Des algorithmes similaires à ceux employés par Netflix et Spotify pour personnaliser les services sont maintenant meilleurs que les médecins humains pour détecter les personnes décédées ou ayant une crise cardiaque.
L'apprentissage automatique a été utilisé pour former LogitBoost, ce qui, selon ses développeurs, permet de prévoir les décès ou les crises cardiaques avec une précision de 90.
Il a été programmé pour utiliser les variables 85 afin de calculer le risque pour la santé des patients 950 dont il était alimenté par les analyses et les données.
Les patients se plaignant de douleurs à la poitrine ont été soumis à une série d'analyses et de tests avant d'être traités selon les méthodes traditionnelles.
Leurs données ont ensuite été utilisées pour former l'algorithme.
Il a «appris» les risques et, au cours des six années de suivi, a obtenu un taux de réussite de 90% pour prédire 24 crises cardiaques et 49 décès, quelle qu'en soit la cause.
LogitBoost qui a été programmé pour utiliser 85 variables pour calculer les risques pour la santé d'une personne se plaignant de douleurs thoraciques. Les patients ont subi une angiographie coronarienne par tomodensitométrie (CCTA) (photo, analyse de stock) qui a rassemblé 58 des points de données
Les services tels que les systèmes Netflix et Spotify utilisent tous des algorithmes de la même manière pour s’adapter aux utilisateurs individuels et offrent un aspect plus personnalisé.
L'auteur de l'étude, Luis Eduardo Juarez-Orozco, du Centre PET de Turku, en Finlande, a déclaré que ces avancées dépassaient le cadre de la médecine.
Il a déclaré: `` Ces progrès vont bien au-delà de ce qui a été fait en médecine, où nous devons être prudents sur la façon dont nous évaluons les risques et les résultats.
«Nous avons les données mais nous ne les utilisons pas encore à leur plein potentiel.
Les médecins utilisent les scores de risque pour prendre des décisions de traitement - mais ces scores ne sont basés que sur une «poignée» de variables chez les patients.
Grâce à la répétition et au réglage, les machines utilisent de grandes quantités de données pour identifier des modèles complexes qui ne sont pas évidents pour l'homme.
Le Dr Juarez-Orozco a déclaré: «Les humains ont beaucoup de mal à penser au-delà des trois ou quatre dimensions.
«Au moment où nous sautons dans la cinquième dimension, nous sommes perdus.
"Notre étude montre que les modèles dimensionnels très élevés sont plus utiles que les modèles unidimensionnels pour prédire les résultats chez les individus et pour cela, nous avons besoin d'un apprentissage automatique."
