Cuando las compañías de seguros, HMO, Medicare, etc., implementen esta tecnología, los pacientes verán una discriminación desenfrenada basada en su puntaje de salud de IA; después de todo, ¿quién vendería una póliza de seguro de vida a alguien que va a morir pronto? ⁃ TN Editor
Algoritmos similares a los empleados por Netflix y Spotify para personalizar los servicios ahora son mejores que los médicos humanos para detectar quién morirá o sufrirá un ataque cardíaco.
El aprendizaje automático se utilizó para entrenar a LogitBoost, que según sus desarrolladores puede predecir la muerte o los ataques cardíacos con una precisión del 90 por ciento.
Se programó para usar variables 85 para calcular el riesgo para la salud de los pacientes 950 de los que se alimentaron los escaneos y los datos.
Los pacientes que se quejaban de dolor en el pecho fueron sometidos a una serie de escáneres y pruebas antes de ser tratados por métodos tradicionales.
Sus datos se usaron luego para entrenar el algoritmo.
"Aprendió" los riesgos y, durante el seguimiento de seis años, tuvo una tasa de éxito del 90 por ciento en la predicción de 24 ataques cardíacos y 49 muertes por cualquier causa.
LogitBoost que fue programado para usar 85 variables para calcular los riesgos para la salud de una persona que se quejaba de dolor en el pecho. Los pacientes tuvieron una exploración de angiografía por tomografía computarizada coronaria (CCTA) (en la imagen, exploración de stock) que reunió 58 de los puntos de datos
Servicios como los sistemas Netflix y Spotify utilizan algoritmos de manera similar para adaptarse a usuarios individuales y ofrecer un aspecto más personalizado.
El autor del estudio, el Dr. Luis Eduardo Juárez-Orozco, del Centro de PET de Turku, Finlandia, dijo que estos avances van más allá de la medicina.
Dijo: “Estos avances van mucho más allá de lo que se ha hecho en medicina, donde debemos ser cautelosos sobre cómo evaluamos los riesgos y los resultados.
"Tenemos los datos, pero todavía no los estamos utilizando en todo su potencial".
Los médicos utilizan puntuaciones de riesgo para tomar decisiones sobre el tratamiento, pero estas puntuaciones se basan en solo un "puñado" de variables en los pacientes.
Mediante la repetición y el ajuste, las máquinas utilizan grandes cantidades de datos para identificar patrones complejos que no son evidentes para los humanos.
El Dr. Juarez-Orozco dijo: “Los seres humanos tienen muchas dificultades para pensar más allá de las tres o cuatro dimensiones.
'En el momento en que saltamos a la quinta dimensión, estamos perdidos.
"Nuestro estudio muestra que los patrones dimensionales muy altos son más útiles que los patrones unidimensionales para predecir resultados en individuos y para eso necesitamos el aprendizaje automático".
wpDiscuz