Un sistema de inteligencia artificial desarrollado a partir de datos personales exhaustivos de Dinamarca ha demostrado una notable precisión a la hora de predecir el riesgo de muerte de una persona.
Esta IA, documentada en un estudio publicado en Nature Computational Sciencefue creado por Sune Lehmann Jørgensen y su equipo de la Universidad Técnica de Dinamarca.
Analizaron un enorme conjunto de datos que englobaba numerosos factores de toda la población danesa, incluidos datos sobre educación, visitas médicas, diagnósticos, ingresos y ocupación, de seis millones de individuos entre 2008 y 2020.
A continuación, estos datos se transformaron en un formato adecuado para el entrenamiento de un gran modelo lingüístico (LLM). Tl modelo Life2vec del equipo revisa los acontecimientos de la vida de una persona y pronostica probables resultados futuros, de forma similar a como un LLM procesa el lenguaje.
Para probar Life2vec, el equipo reservó los últimos cuatro años de datos y se centró en individuos de entre 35 y 65 años, la mitad de los cuales fallecieron entre 2016 y 2020.
Las predicciones de Life2vec sobre quién tenía más probabilidades de sobrevivir o no superaron a cualquier modelo de IA existente y a las tablas actuariales de vida (utilizadas por el sector asegurador) en aproximadamente 11%. También se utilizó para predecir los resultados de la personalidad, lo que demuestra la capacidad del modelo para asignar entradas sociales a gran escala a salidas a nivel individual.
Jørgensen concibe este modelo como una herramienta de detección precoz de problemas sanitarios y sociales, que podría ayudar a los gobiernos a reducir las desigualdades sanitarias y sociales. Descubre las relaciones entre la mortalidad y el nivel económico, laboral, de ingresos y el año de nacimiento, proporcionando otra vía para explorar el impacto de este tipo de factores macrodemográficos en la salud de un individuo.
Sin embargo, Jørgensen advierte del posible mal uso comercial, sobre todo en el sector de los seguros, donde podría alterar el principio fundamental del riesgo compartido.
Si las aseguradoras utilizaran la IA para determinar cuándo una persona concreta corre mayor riesgo de muerte, se abriría un complejo debate ético. Esto guarda cierto paralelismo con otros usos predictivos de la IA, como programas policiales predictivosque han señalado a personas como posibles "sospechosas" antes de que cometan un posible delito.
Jørgensen dijo al respecto"Evidentemente, nuestro modelo no debería ser utilizado por una compañía de seguros, porque la idea de los seguros es que, al compartir el desconocimiento de quién va a ser la persona desafortunada que sufra algún incidente, o muera, o pierda su mochila, podemos compartir en cierto modo esta carga".
Más información sobre el estudio
A continuación se ofrece más información sobre los objetivos del estudio, su novedoso enfoque y su funcionamiento:
- Recogida y transformación de datos: El equipo de investigación recopiló un amplio conjunto de datos que abarcaba a toda la población de Dinamarca, desde 2008 hasta 2016, e incluía a unos seis millones de habitantes. Este conjunto de datos incorporaba registros diarios detallados de diversos acontecimientos vitales, como incidentes de salud, nivel educativo, situación laboral, niveles de ingresos, residencia y horas de trabajo.
- Crear un lenguaje sintético para los acontecimientos vitales: Los investigadores convirtieron estos acontecimientos vitales a un formato parecido al lenguaje, lo que permitió utilizar técnicas de procesamiento del lenguaje natural. Trataron cada acontecimiento vital como una "frase" formada por "tokens conceptuales", que incluían información detallada como el tipo de acontecimiento, el nivel de ingresos y el tipo de trabajo.
- Desarrollo del modelo Life2vec: Utilizando una arquitectura de transformadores, el equipo desarrolló el modelo. Este modelo podía captar relaciones complejas entre distintos acontecimientos vitales, de forma similar a como los LLM entienden las relaciones entre palabras.
- Análisis predictivo y pruebas: Se comprobó la capacidad de Life2vec para predecir diversos resultados, en particular la mortalidad prematura y los rasgos de personalidad. Para predecir la mortalidad, el modelo evaluó la probabilidad de que una persona sobreviviera cuatro años después de 2016. Al hacerlo, superó a los modelos tradicionales.
- Comprender e interpretar el modelo: Los investigadores utilizaron métodos como los vectores de activación de conceptos (TCAV) para interpretar las predicciones del modelo. Para ello, identificaron direcciones vitales correspondientes a distintos resultados o rasgos vitales. El análisis de estas direcciones les permitió comprender cómo influían en las predicciones del modelo factores como la situación laboral o los diagnósticos de salud.
Utilizar la IA para predecir acontecimientos importantes de la vida, siendo la muerte sin duda uno de los más significativos, es una perspectiva tentadora.
Aunque sus beneficios y riesgos están muy equilibrados, aplicaciones similares se han canalizado hacia un fin positivo, como este modelo utilizado para predecir el suicidio y las autolesiones en la adolescencia. En la sanidad en general, los modelos predictivos están ayudando a priorizar los tratamientos para grupos de riesgo.
Sin embargo, como reconoce Jørgensen, queda trabajo por hacer para proteger los usos éticos de estas tecnologías.
