Dänische Forscher sagen mithilfe von KI das Risiko eines vorzeitigen Todes voraus

Ein KI-System, das auf der Grundlage umfassender persönlicher Daten aus Dänemark entwickelt wurde, hat eine bemerkenswerte Genauigkeit bei der Vorhersage des Sterberisikos einer Person gezeigt. 

Diese KI, dokumentiert in einem Studie veröffentlicht in Nature Computational Sciencewurde von Sune Lehmann Jørgensen und seinem Team von der Technischen Universität von Dänemark entwickelt. 

Sie analysierten einen riesigen Datensatz mit zahlreichen Faktoren aus der gesamten dänischen Bevölkerung, darunter Daten zu Bildung, Arztbesuchen, Diagnosen, Einkommen und Beruf, von sechs Millionen Personen im Zeitraum von 2008 bis 2020.

Diese Daten wurden dann in ein Format umgewandelt, das für das Training eines großen Sprachmodells (LLM) geeignet ist. Tas Life2vec-Modell des Teams überprüft die Lebensereignisse einer Person und prognostiziert wahrscheinliche zukünftige Ergebnisse, ähnlich wie ein LLM Sprache verarbeitet. 

Für den Test von Life2vec reservierte das Team die letzten vier Jahre der Daten und konzentrierte sich auf Personen im Alter von 35 bis 65 Jahren, von denen die Hälfte zwischen 2016 und 2020 verstorben ist.

Die Vorhersagen von Life2vec über die Überlebenswahrscheinlichkeit übertrafen alle bestehenden KI-Modelle und versicherungsmathematischen Sterbetafeln (die von der Versicherungsbranche verwendet werden) um etwa 11%. Das Modell wurde auch für die Vorhersage von Persönlichkeitsmerkmalen verwendet, was die Fähigkeit des Modells unter Beweis stellt, groß angelegte gesellschaftliche Inputs auf die Ergebnisse auf individueller Ebene abzubilden. 

Jørgensen sieht dieses Modell als Instrument zur frühzeitigen Erkennung gesundheitlicher und sozialer Probleme, das Regierungen bei der Verringerung gesundheitlicher und sozialer Ungleichheiten helfen könnte. Es deckt Zusammenhänge zwischen der Sterblichkeit und dem Wirtschafts-, Arbeits- und Einkommensniveau sowie dem Geburtsjahr auf und bietet damit eine weitere Möglichkeit, die Auswirkungen dieser Arten von makro-demografischen Faktoren auf die Gesundheit des Einzelnen zu untersuchen. 

Jørgensen warnt jedoch vor einem möglichen geschäftlichen Missbrauch, insbesondere in der Versicherungsbranche, wo dies das Grundprinzip der Risikoteilung stören könnte. 

Würden Versicherer KI einsetzen, um zu bestimmen, wann eine bestimmte Person einem höheren Sterberisiko ausgesetzt ist, würde dies eine komplexe ethische Debatte auslösen. Dies weist gewisse Parallelen zu anderen prädiktiven Anwendungen von KI auf, wie z. B. Programme zur vorausschauenden Polizeiarbeitdie Personen als potenzielle "Verdächtige" ausgemacht haben, bevor sie eine mögliche Straftat begangen haben. 

Jørgensen sagte dazuEs ist klar, dass unser Modell nicht von einer Versicherungsgesellschaft verwendet werden sollte, denn die ganze Idee der Versicherung besteht darin, dass wir diese Last teilen können, indem wir das fehlende Wissen darüber teilen, wer die unglückliche Person sein wird, die von einem Vorfall oder dem Tod getroffen wird oder ihren Rucksack verliert.

Mehr über die Studie

Im Folgenden finden Sie weitere Informationen über die Ziele der Studie, den neuartigen Ansatz und die Funktionsweise der Studie:

• Datenerhebung und -verarbeitung: Das Forschungsteam sammelte einen umfangreichen Datensatz, der die gesamte Bevölkerung Dänemarks von 2008 bis 2016 abdeckt und etwa sechs Millionen Einwohner umfasst. Dieser Datensatz enthielt detaillierte tägliche Aufzeichnungen verschiedener Lebensereignisse, einschließlich gesundheitlicher Zwischenfälle, Bildungsniveau, Beschäftigungsstatus, Einkommensniveau, Wohnsitz und Arbeitszeiten.
• Schaffung einer synthetischen Sprache für Lebensereignisse: Die Forscher wandelten diese Lebensereignisse in ein sprachähnliches Format um, das den Einsatz von Techniken zur Verarbeitung natürlicher Sprache ermöglichte. Sie behandelten jedes Lebensereignis als "Satz", der aus "Konzept-Token" besteht, die detaillierte Informationen wie die Art des Ereignisses, das Einkommensniveau und die Art des Arbeitsplatzes enthalten. 
• Entwicklung des Life2vec-Modells: Unter Verwendung der Transformatorarchitektur entwickelte das Team das Modell. Dieses Modell könnte komplexe Beziehungen zwischen verschiedenen Lebensereignissen erfassen, ähnlich wie LLMs Beziehungen zwischen Wörtern verstehen. 
• Prädiktive Analyse und Tests: Life2vec wurde auf seine Fähigkeit getestet, verschiedene Ergebnisse vorherzusagen, insbesondere die frühe Sterblichkeit und Persönlichkeitsmerkmale. Für die Vorhersage der Sterblichkeit bewertete das Modell die Wahrscheinlichkeit, dass Personen vier Jahre nach 2016 überleben. Dabei schnitt es besser ab als herkömmliche Modelle. 
• Verstehen und Interpretieren des Modells: Die Forscher verwendeten Methoden wie Konzeptaktivierungsvektoren (TCAV), um die Vorhersagen des Modells zu interpretieren. Dazu gehörte die Identifizierung von Lebensrichtungen, die verschiedenen Lebensergebnissen oder Merkmalen entsprechen. Durch die Analyse dieser Richtungen gewannen sie Erkenntnisse darüber, wie Faktoren wie der Beschäftigungsstatus oder Gesundheitsdiagnosen die Vorhersagen des Modells beeinflussten. 

Der Einsatz von KI zur Vorhersage wichtiger Lebensereignisse, von denen der Tod zweifellos eines der wichtigsten ist, ist eine verlockende Aussicht. 

Auch wenn sich Nutzen und Risiken die Waage halten, wurden ähnliche Anwendungen positiv kanalisiert, wie z. B. dieses Modell, das zur Selbstmord und Selbstbeschädigung bei Jugendlichen vorhersagen. Im Gesundheitswesen im Allgemeinen hilft die prädiktive Modellierung bei der Priorisierung von Behandlungen für Risikogruppen. 

Wie Jørgensen einräumt, muss jedoch noch einiges getan werden, um die ethische Nutzung dieser Technologien zu schützen.