I 2003 ble The Death Clock lansert. Et enkelt nettsted, det tillot brukere å legge inn fødselsdato og vitale statistikk for å beregne når det er mest sannsynlig at de vil dø basert på populasjonsmidlene. Det er fremdeles online i dag, med taglinjen "Internettets vennlige påminnelse om at livet glir bort ..."

Nå har australske forskere ved Universitetet i Adelaides folkhøgskole tatt et skritt videre. De har bygget et datasystem som bruker dyp læring kunstig intelligens teknikker og medisinsk bildebehandling av pasienter kister å forutsi om de vil dø innen fem år.

"Forutsi fremtiden for en pasient er nyttig fordi det kan gjøre det mulig for leger å skreddersy behandlinger til individet," sa Luke Oakden-Rayner, en radiolog og lederforfatteren av et papir som beskriver det nye systemet, publisert i Scientific Reports.

"Den nøyaktige vurderingen av biologisk alder og forutsigelsen av pasientens levetid har hittil vært begrenset av legers manglende evne til å se inne i kroppen og måle helsen til hvert organ."

Kompleks bildebehandling

I tester som bruker bilder av 48 pasienters kister, kunne den datamaskinbaserte analysen forutsi hvilke pasienter som ville dø innen fem år med 68 prosent nøyaktighet. Det er stort sett det samme nøyaktighetsnivået som menneskelige leger oppnår i samme oppgave.

"Selv om dette bare ble brukt av en liten gruppe pasienter, tyder forskningen på at datamaskinen har lært å gjenkjenne komplekse bildebehandlinger av sykdommer, noe som krever omfattende trening for menneskelige eksperter, sier Oakden-Rayner.

Det som spesielt er interessant er at forskerne ikke kan identifisere nøyaktig hvilke funksjoner i bildene som brukes av datasystemet for å gjøre sine spådommer. De var bare i stand til å fastslå at AIs mest selvsikkerte spådommer ble gjort for pasienter med alvorlige kroniske sykdommer som emfysem og kongestiv hjertesvikt.

Nye veier

Men maskinene ble ikke trent i diagnose. "I stedet for å fokusere på å diagnostisere sykdommer, kan de automatiserte systemene forutsi medisinske utfall på en måte som leger ikke er opplært til å gjøre, ved å inkorporere store datamengder og oppdage subtile mønstre," sa Oakden-Rayner..

"Vår forskning åpner nye veier for bruk av kunstig intelligens teknologi i medisinsk bildeanalyse, og kan tilby nytt håp for tidlig påvisning av alvorlig sykdom, som krever spesifikke medisinske inngrep."

Det neste trinnet er å analysere titusenvis flere pasientbilder, for å forbedre systemet, men teamet sier at det til slutt håper de samme teknikkene kan brukes for å forutsi andre medisinske forhold - som risikoen for hjerteinfarkt.

  • Ingen virkelig Jurassic Park for deg, sier vitenskapen