Machine learning er nu bedre end læger til at forudsige hjerteanfald

Et hold af forskere fra University of Nottingham i England har haft succes med at udvikle algoritmer, der er godt syv procent mere præcise, når det gælder om at forudse hjerteanfald i forhold til de mest benyttede medicinske retningslinjer udviklet af American College of Cardiology/American Heart Association (ACC/AHA). Det skriver digitaltrends.com.

»Jeg kan ikke understrege tydeligt nok, hvor vigtigt det her er, og hvor meget jeg håber, læger begynder at bruge kunstig intelligens som en del af behandlingen,« siger Elsie Ross, der som hjertekirurg fra Stanford University i Californien har hjulpet forskerne bag algoritmerne.

Forskerne fra University of Nottingham sammenlignede retningslinjerne fra ACC/AHA med nye retningslinjer lavet af fire forskellige machine learning-algoritmer: random forest, logistic regression, gradient boosting og neurale netværk.

Hver især begyndte algoritmerne at tygge sig gennem en database, hvor de drog deres egne konklusioner og fandt sine egne sammenhænge.

Derefter begyndte forskerne at teste disse nye retningslinjer op mod andre datasæt.

Den bedste af algoritmerne var det neurale netværk, hvis retningslinjer præsterede godt syv procent bedre op mod checklisten end retningslinjerne fra (ACC/AHA). Desuden skabte retningslinjerne målbart færre falske positiver.

Læs også: Google åbner en ny front i kamp om skyen

Trukket ned over et datasæt på 83.000 patientjournaler betyder det, at op mod 350 liv kunne være blevet reddet.