ఒక వ్యక్తి చనిపోయేటప్పుడు కృత్రిమ మేధస్సు (AI) అంచనా వేయవచ్చు: స్టడీ – ది లైవ్ మిర్రర్

కాని ఆల్కహాలిక్ కొవ్వు కాలేయ వ్యాధి రోగులలో సిర్రోసిస్ ప్రమాదాన్ని అంచనా వేయడానికి సాధారణ మలం పరీక్ష – స్పెషాలిటీ మెడికల్ డైలాగ్స్
March 31, 2019
వృద్ధాప్యంలో దంత సమస్యలను నివారించే చిట్కాలు – ఆన్మన్మ్యామ
March 31, 2019

ఒక వ్యక్తి చనిపోయేటప్పుడు కృత్రిమ మేధస్సు (AI) అంచనా వేయవచ్చు: స్టడీ – ది లైవ్ మిర్రర్

కృత్రిమ మేధస్సు (AI) అకాల మరణం ప్రమాదాన్ని అంచనా వేస్తుంది: అధ్యయనం

కృత్రిమ మేధస్సు

మరణం మాకు వచ్చినప్పుడు ఈ ప్రపంచంలో ఎవరూ తెలుసు. అయితే, శాస్త్రవేత్తలు మాకు అనేక వ్యాధులు పోరాడటానికి మరియు మరణం తప్పించుకోవటానికి సహాయం మందులు చేయడానికి నిర్వహించారు. ఇప్పుడు, తదుపరి స్థాయికి వెళ్లడానికి, శాస్త్రవేత్తలు ఎక్కువగా కృత్రిమ మేధో జనాభాలో దీర్ఘకాలిక వ్యాధుల కారణంగా ప్రారంభ మరణం ప్రమాదాన్ని అంచనా వేసేందుకు ఒక కృత్రిమ మేధస్సు (AI) ఆధారిత కంప్యూటర్ వ్యవస్థను అభివృద్ధి చేశారు మరియు పరీక్షించారు.

అవును, మీరు సరిగ్గా చదివారు. జర్నల్ PLOS ONE లో ప్రచురించిన అధ్యయనం ప్రకారం, కంప్యూటర్ ఆధారిత ‘మెషీన్ లెర్నింగ్’ అల్గోరిథం వ్యవస్థ దాని అంచనాలను చాలా ఖచ్చితమైనదిగా చెప్పవచ్చు మరియు మానవ నిపుణులచే అభివృద్ధి చేయబడిన అంచనాలకు ప్రస్తుత ప్రామాణిక విధానం కంటే మెరుగైన పనితీరును కలిగి ఉంది.

UK లో నాటింగ్హామ్ విశ్వవిద్యాలయంలోని పరిశోధకులు, 2006 మరియు 2010 మధ్యకాలంలో UK బయోబాంక్కు 40 మరియు 69 సంవత్సరాల మధ్య వయస్సున్న అర్ధ మిలియన్ల నుండి ఆరోగ్య డేటాను ఉపయోగించారు మరియు 2016 వరకు కొనసాగారు.

నాటింగ్హామ్ విశ్వవిద్యాలయంలోని అసిస్టెంట్ ప్రొఫెసర్ స్టీఫెన్ వెంగ్ ఇలా అన్నాడు, “చాలా దరఖాస్తులు ఒకే వ్యాధి ప్రాంతాలపై దృష్టి పెడుతున్నాయి, కానీ అనేక రకాల వ్యాధి ఫలితాల వలన మరణం అంచనా వేయడం చాలా క్లిష్టమైనది, ప్రత్యేకంగా పర్యావరణ మరియు వ్యక్తిగత కారకాలు ప్రభావితం కావచ్చు.”

“మెషిన్ లెర్నింగ్ ద్వారా అకాల మరణం యొక్క వ్యక్తి యొక్క ప్రమాదాన్ని అంచనా వేయడానికి ఒక ఏకైక మరియు సంపూర్ణ విధానాన్ని అభివృద్ధి చేయడం ద్వారా మేము ఈ రంగంలో ఒక ప్రధాన అడుగు ముందుకు తీసుకున్నాము,” అని ఒక ప్రకటనలో పేర్కొన్నాడు.

వెంగ్ ఇంకా ఇలా అన్నారు, “ప్రతిరోజూ, ప్రతి రోజుకు పండ్లు, కూరగాయలు మరియు మాంసం యొక్క వారి ఆహార వినియోగం అంచనా వేయడం కోసం విస్తృత శ్రేణి జనాభా, బయోమెట్రిక్, క్లినికల్ మరియు లైఫ్స్టైల్ కారకాలు పరిగణనలోకి తీసుకునే కొత్త రిస్క్ ప్రిడిక్షన్ మోడల్లను రూపొందించడానికి కంప్యూటర్లను ఉపయోగిస్తుంది.”

ఆసక్తికరంగా, కొత్త అధ్యయనంలో ఉపయోగించిన AI యంత్ర అభ్యాస నమూనాలు ‘యాదృచ్ఛిక అరణ్యం’ మరియు ‘లోతైన అభ్యాసం’గా పిలువబడతాయి. ఈ వయస్సు మరియు లింగం ఆధారంగా సాంప్రదాయకంగా ఉపయోగించిన ‘కాక్స్ రిగ్రెషన్’ ప్రిడిక్షన్ మోడల్కు వ్యతిరేకంగా మరణాలు అంచనా వేయడంలో కనీసం ఖచ్చితమైనవిగా గుర్తించబడ్డాయి మరియు ఒక మల్టీవైరియాట్ కాక్స్ మోడల్ ఉత్తమంగా పని చేస్తాయి, కానీ ఇది ఎక్కువ-ముందస్తు అంచనాలకు దారితీసింది.

ఈ సమయంలో, ప్రాజెక్ట్ పై పనిచేస్తున్న క్లినికల్ అకాడెమీలలో ఒకరు ప్రొఫెసర్ జో కై మాట్లాడుతూ, “AI లేదా ‘మెషిన్ లెర్నింగ్’ ను మెరుగైన ఆరోగ్య ఫలితాలను అంచనా వేయడానికి సాధ్యమైనంత తీవ్ర ఆసక్తి ఉంది.” “కొన్ని సందర్భాలలో , అది ఇతరులలో ఉండకపోవచ్చని మేము కనుగొంటాము. ఈ ప్రత్యేక సందర్భంలో, మేము జాగ్రత్తగా ట్యూనింగ్తో, ఈ అల్గోరిథంలు ఉపయోగకరమైన అంచనాను మెరుగుపరుస్తాయి, “అని కై నిర్ధారించాడు.

కూడా చదవండి: నేను-పిల్ తీసుకోవడం లేకుండా గర్భం నివారించడానికి కావలసిన? ‘కాంట్రాసెప్టివ్ జ్యువెలరీ’ ఉపయోగించండి: స్టడీ

Comments are closed.