Ερευνητές στη Δανία ανέπτυξαν ισχυρούς αλγορίθμους μηχανικής μάθησης για να προβλέψουν με ακρίβεια σημαντικά γεγονότα στη ζωή ενός ατόμου, συμπεριλαμβανομένου του θανάτου του.
Στη μελέτη τους που δημοσιεύθηκε στο περιοδικό «Nature Computational Science», οι ερευνητές περιγράφουν λεπτομερώς πώς ένα μοντέλο που ονομάστηκε life2vec προέβλεψε την έκβαση της ζωής ενός ατόμου όταν τροφοδοτήθηκε με πολύ συγκεκριμένα δεδομένα που αφορούσαν το συγκεκριμένο άτομο.
«Με αυτά τα δεδομένα, μπορούμε να κάνουμε κάθε είδους πρόβλεψη», δήλωσε ο Σούνε Λίμαν, επικεφαλής συγγραφέας της μελέτης και καθηγητής στο Τεχνικό Πανεπιστήμιο της Δανίας.
Ωστόσο, σημείωσε ότι πρόκειται για ένα «ερευνητικό πρωτότυπο» και δεν μπορεί να εκτελέσει «καθήκοντα του πραγματικού κόσμου» στην παρούσα κατάστασή του.
Οι ερευνητές χρησιμοποίησαν δεδομένα από ένα εθνικό μητρώο της Δανίας που περιλάμβανε τα αρχεία 6 εκατομμυρίων ανθρώπων. Μελέτησαν δεδομένα από το 2008 έως το 2016 που αφορούσαν σημαντικές πτυχές της ζωής των ατόμων αυτών, όπως η εκπαίδευση, η υγεία, το εισόδημα και το επάγγελμα.
Οι ερευνητές δημιούργησαν ένα λεξιλόγιο για τα γεγονότα της ζωής χρησιμοποιώντας τεχνικές γλωσσικής επεξεργασίας, ώστε το life2vec να μπορεί να ερμηνεύει τις προτάσεις με βάση τα δεδομένα. Αφού εκπαιδεύτηκε σε αυτά τα δεδομένα, το μοντέλο μπόρεσε να προβλέψει ορισμένες πτυχές της ζωής των ανθρώπων, όπως για παράδειγμα το πώς σκέφτονται, πώς αισθάνονται, πώς συμπεριφέρονται και αν πρόκειται να πεθάνουν τα επόμενα χρόνια.
Για να προβλέψει πόσο νωρίς μπορεί να πεθάνει κάποιος, η ομάδα χρησιμοποίησε δεδομένα από την 1η Ιανουαρίου 2008 έως τις 31 Δεκεμβρίου 2015 για μια ομάδα άνω των 2,3 εκατομμυρίων ατόμων ηλικίας 35 έως 65 ετών. Η ομάδα αυτή επιλέχθηκε επειδή η θνησιμότητα σε αυτό το ηλικιακό εύρος είναι πιο δύσκολο να προβλεφθεί, σύμφωνα με τον Λίμαν.
Το Life2vec χρησιμοποίησε τα δεδομένα για να συμπεράνει την πιθανότητα επιβίωσης ενός ατόμου τέσσερα χρόνια μετά το 2016.
«Για να ελέγξουμε πόσο καλό είναι το life2vec, επιλέξαμε μια ομάδα 100.000 ατόμων όπου οι μισοί επιβιώσαν και οι άλλοι μισοί πέθαναν», δήλωσε ο Λίμαν.
Αξίζει να σημειωθεί πως αν και οι ερευνητές ήξεραν ποια άτομα είχαν πεθάνει μετά το 2016, ο αλγόριθμος δεν το γνώριζε. Στη συνέχεια, ζήτησαν από τον αλγόριθμο να κάνει ατομικές προβλέψεις για το αν κάποιος έζησε μετά το 2016 ή όχι. Τα αποτελέσματα ήταν εντυπωσιακά: ο αλγόριθμος προέβλεψε σωστά το 78% των περιπτώσεων. Ο Life2vec ξεπέρασε επίσης άλλα σύγχρονα μοντέλα κατά τουλάχιστον 11%, προβλέποντας με μεγαλύτερη ακρίβεια τα ποσοστά θνησιμότητας, σύμφωνα με τη μελέτη.
Σύμφωνα με τα ευρήματα, οι άνδρες είχαν περισσότερες πιθανότητες να πεθάνουν μετά το 2016. Ορισμένα επαγγέλματα, όπως οι μηχανικοί, καθώς και τα άτομα που είχαν διαγνωσθεί με κάποιο πρόβλημα ψυχικής υγείας, όπως κατάθλιψη ή άγχος, διέτρεχαν κίνδυνο πρόωρου θανάτου. Αντίθετα, οι διευθυντές ή τα υψηλά αμειβόμενα στελέχη ζούσαν περισσότερο.
Ωστόσο, η έρευνα είχε αρκετούς περιορισμούς, τόνισαν οι ερευνητές. Τα πειράματα δεν ήταν τυχαιοποιημένα, η διάρκεια της μελέτης ήταν σχετικά μικρή και ορισμένα άτομα που ζουν στη Δανία ενδέχεται να μην είναι καταγεγραμμενα στο εθνικό μητρώο.
«Εάν κάποιος δεν έχει μισθό – ή επιλέγει να μην χρησιμοποιεί τα συστήματα υγειονομικής περίθαλψης – δεν έχουμε πρόσβαση στα δεδομένα του», δήλωσαν.
Η μελέτη διεξήχθη σε μια πλούσια χώρα που διαθέτει ισχυρή υποδομή και σύστημα υγειονομικής περίθαλψης, σημειώνουν επίσης οι συγγραφείς. Δεν είναι σαφές αν τα ευρήματα αυτά μπορούν να εφαρμοστούν σε άλλες χώρες δεδομένης της οικονομικής και κοινωνικής τους διαφοράς.
Ο Λίμαν δήλωσε ότι γνωρίζει ότι ο αλγόριθμος ακούγεται «δυσοίωνος και τρελός, αλλά στην πραγματικότητα είναι κάτι πάνω στο οποίο έχει γίνει πραγματικά πολλή δουλειά, κυρίως με γνώμονα τις ασφαλιστικές εταιρείες».
Ο Δρ. Άρθουρ Κάπλαν, επικεφαλής του Τμήματος Ιατρικής Ηθικής στην Ιατρική Σχολή Grossman του Πανεπιστημίου της Νέας Υόρκης, συμφωνεί ότι οι ασφαλιστικές εταιρείες θα τρέξουν να προλάβουν τους καταναλωτές όταν μοντέλα όπως το life2vec γίνουν πιο εμπορικά.
«Αυτό θα καταστήσει πιο δύσκολη την πώληση ασφάλισης στην πορεία», δήλωσε. «Δεν μπορείς να κάνεις ασφάλιση κατά του κινδύνου αν όλοι γνωρίζουν ακριβώς ποιοι είναι οι κίνδυνοι».
Ωστόσο, ο Κάπλαν, ο οποίος δεν συμμετείχε στη νέα μελέτη, επισήμανε ότι το life2vec δεν προβλέπει σε ποια ηλικία ή πώς θα πεθάνει ένα άτομο. Για παράδειγμα, ένας αλγόριθμος δεν μπορεί να προβλέψει αν ένα άτομο πρόκειται να σκοτωθεί σε αυτοκινητιστικό ατύχημα. Πάντως, ο ερευνητής αναμένει ότι μέσα στα επόμενα πέντε χρόνια θα εμφανιστούν πιο προηγμένα μοντέλα πρόβλεψης.
«Θα έχουμε καλύτερα μοντέλα με μεγαλύτερες βάσεις δεδομένων που θα μας δίνουν συμβουλές για το πώς να παρατείνουμε τη ζωή μας», κατέληξε.
ΠΗΓΗ: CNN
