{"id":8437,"date":"2023-12-19T14:40:41","date_gmt":"2023-12-19T14:40:41","guid":{"rendered":"https:\/\/dailyai.com\/?p=8437"},"modified":"2023-12-19T14:53:24","modified_gmt":"2023-12-19T14:53:24","slug":"danish-researchers-predict-the-risk-of-premature-death-with-ai","status":"publish","type":"post","link":"https:\/\/dailyai.com\/da\/2023\/12\/danish-researchers-predict-the-risk-of-premature-death-with-ai\/","title":{"rendered":"Danske forskere forudsiger risikoen for tidlig d\u00f8d ved hj\u00e6lp af AI"},"content":{"rendered":"

Et AI-system udviklet ved hj\u00e6lp af omfattende persondata fra Danmark har vist en bem\u00e6rkelsesv\u00e6rdig n\u00f8jagtighed i forudsigelsen af en persons risiko for at d\u00f8.\u00a0<\/b><\/p>\n

Denne AI, dokumenteret i en <\/span>unders\u00f8gelse offentliggjort i Nature Computational Science<\/span><\/a>blev skabt af Sune Lehmann J\u00f8rgensen og hans team fra Danmarks Tekniske Universitet.\u00a0<\/span><\/p>\n

De analyserede et stort datas\u00e6t, der indkapslede adskillige faktorer fra hele den danske befolkning, herunder uddannelse, l\u00e6gebes\u00f8g, diagnoser, indkomst og erhvervsdata, fra seks millioner individer, der strakte sig fra 2008 til 2020.<\/span><\/p>\n

Disse data blev derefter omdannet til et format, der var egnet til at tr\u00e6ne en stor sprogmodel (LLM). T<\/span>eamets Life2vec-model gennemg\u00e5r en persons livsbegivenheder og forudsiger sandsynlige fremtidige resultater, p\u00e5 samme m\u00e5de som en LLM behandler sprog.\u00a0<\/span><\/p>\n

For at teste Life2vec reserverede teamet de sidste fire \u00e5rs data og fokuserede p\u00e5 personer i alderen 35 til 65 \u00e5r, hvoraf halvdelen d\u00f8de mellem 2016 og 2020.<\/span><\/p>\n

Life2vecs forudsigelser af, hvem der sandsynligvis ville overleve eller ej, overgik alle eksisterende AI-modeller og aktuarm\u00e6ssige livstabeller (der bruges af forsikringsbranchen) med ca. 11%. Den blev ogs\u00e5 brugt til at forudsige personlighedsresultater, hvilket viser modellens evne til at kortl\u00e6gge samfundsm\u00e6ssige input i stor skala til output p\u00e5 individniveau.\u00a0<\/span><\/p>\n

J\u00f8rgensen forestiller sig denne model som et v\u00e6rkt\u00f8j til tidlig opdagelse af sundhedsm\u00e6ssige og sociale problemer, der potentielt kan hj\u00e6lpe regeringer med at reducere sundhedsm\u00e6ssige og sociale uligheder. Den afd\u00e6kker sammenh\u00e6nge mellem d\u00f8delighed og \u00f8konomi, arbejde, indkomstniveau og f\u00f8dsels\u00e5r, hvilket giver en anden mulighed for at udforske indvirkningen af disse typer makrodemografiske faktorer p\u00e5 en persons sundhed.\u00a0<\/span><\/p>\n

J\u00f8rgensen advarer dog mod potentielt forretningsm\u00e6ssigt misbrug, is\u00e6r i forsikringsbranchen, hvor det kan forstyrre det grundl\u00e6ggende princip om delt risiko.\u00a0<\/span><\/p>\n

Hvis forsikringsselskaberne brugte AI til at afg\u00f8re, hvorn\u00e5r en bestemt person er i st\u00f8rre risiko for at d\u00f8, ville det \u00e5bne op for en kompleks etisk debat. Det svarer lidt til AI's andre forudsigende anvendelser, som f.eks. <\/span>Pr\u00e6diktive politiprogrammer<\/span><\/a>som har udpeget personer som potentielle 'mist\u00e6nkte', f\u00f8r de har beg\u00e5et en mulig forbrydelse.\u00a0<\/span><\/p>\n

J\u00f8rgensen sagde om dette<\/span><\/a>\"Det er klart, at vores model ikke b\u00f8r bruges af et forsikringsselskab, for hele ideen med forsikring er, at vi ved at dele den manglende viden om, hvem der vil v\u00e6re den uheldige person, der bliver ramt af en h\u00e6ndelse eller d\u00f8d eller mister sin rygs\u00e6k, p\u00e5 en m\u00e5de kan dele denne byrde.\"<\/span><\/p>\n

Mere om unders\u00f8gelsen<\/span><\/h2>\n

Her er lidt mere information om unders\u00f8gelsens m\u00e5l, nye tilgang og hvordan den fungerede:<\/span><\/p>\n