Un sistema di intelligenza artificiale sviluppato utilizzando dati personali completi provenienti dalla Danimarca ha dimostrato una notevole precisione nel prevedere il rischio di morte di un individuo.
Questa AI, documentata in un studio pubblicato su Nature Computational Scienceè stato creato da Sune Lehmann Jørgensen e dal suo team della Technical University of Denmark.
Hanno analizzato un enorme set di dati che comprende numerosi fattori provenienti da tutta la popolazione danese, tra cui istruzione, visite mediche, diagnosi, reddito e dati sull'occupazione di sei milioni di individui tra il 2008 e il 2020.
Questi dati sono stati poi trasformati in un formato adatto all'addestramento di un modello linguistico di grandi dimensioni (LLM). Tl modello Life2vec del team esamina gli eventi della vita di una persona e prevede i probabili risultati futuri, in modo simile a come un LLM elabora il linguaggio.
Per testare Life2vec, il team ha riservato gli ultimi quattro anni di dati e si è concentrato sulle persone di età compresa tra i 35 e i 65 anni, metà delle quali è deceduta tra il 2016 e il 2020.
Le previsioni di Life2vec sulle probabilità di sopravvivenza hanno superato i modelli di intelligenza artificiale esistenti e le tabelle di vita attuariali (utilizzate dal settore assicurativo) di circa 11%. È stato utilizzato anche per prevedere i risultati della personalità, dimostrando la capacità del modello di mappare gli input della società su larga scala e i risultati a livello individuale.
Jørgensen immagina questo modello come uno strumento per l'individuazione precoce di problemi sanitari e sociali, potenzialmente in grado di aiutare i governi a ridurre le disuguaglianze sanitarie e sociali. Il modello scopre le relazioni tra mortalità e livello economico, lavorativo, di reddito e anno di nascita, fornendo un'altra strada per esplorare l'impatto di questi tipi di fattori macro-demografici sulla salute di un individuo.
Tuttavia, Jørgensen mette in guardia da un potenziale uso improprio del business, in particolare nel settore assicurativo, dove potrebbe interrompere il principio fondamentale della condivisione del rischio.
Se gli assicuratori usassero l'IA per determinare quando un individuo specifico è più a rischio di morte, si aprirebbe un complesso dibattito etico. Questo fa un po' il paio con gli altri usi predittivi dell'IA, come ad esempio programmi di polizia predittivache hanno individuato individui come potenziali "sospetti" prima che commettessero un possibile crimine.
Jørgensen ha detto a questo proposito"È chiaro che il nostro modello non dovrebbe essere utilizzato da una compagnia assicurativa, perché l'idea di assicurazione è che, condividendo la mancanza di conoscenza di chi sarà la persona sfortunata colpita da qualche incidente, o dalla morte, o dalla perdita dello zaino, possiamo in un certo senso condividere questo onere".
Per saperne di più sullo studio
Ecco ulteriori informazioni sugli obiettivi dello studio, sul suo approccio innovativo e sul suo funzionamento:
- Raccolta e trasformazione dei dati: Il team di ricerca ha raccolto un ampio set di dati che coprono l'intera popolazione della Danimarca, dal 2008 al 2016, comprendendo circa sei milioni di abitanti. Questo set di dati comprendeva registrazioni giornaliere dettagliate di vari eventi della vita, tra cui incidenti di salute, livello di istruzione, stato occupazionale, livelli di reddito, residenza e orari di lavoro.
- Creare un linguaggio sintetico per gli eventi della vita: I ricercatori hanno convertito questi eventi di vita in un formato simile al linguaggio, consentendo l'uso di tecniche di elaborazione del linguaggio naturale. Hanno trattato ogni evento di vita come una "frase" composta da "token concettuali", che includevano informazioni dettagliate come il tipo di evento, il livello di reddito e il tipo di lavoro.
- Sviluppo del modello Life2vec: Utilizzando l'architettura a trasformatori, il team ha sviluppato il modello. Questo modello è in grado di cogliere le relazioni complesse tra i diversi eventi della vita, in modo simile a come i LLM comprendono le relazioni tra le parole.
- Analisi e test predittivi: Life2vec è stato testato per la sua capacità di prevedere vari risultati, in particolare la mortalità precoce e i tratti della personalità. Per la previsione della mortalità, il modello ha valutato la probabilità che gli individui sopravvivano quattro anni dopo il 2016. In questo senso ha superato i modelli tradizionali.
- Comprendere e interpretare il modello: I ricercatori hanno utilizzato metodi come i vettori di attivazione concettuale (TCAV) per interpretare le previsioni del modello. Ciò ha comportato l'identificazione di direzioni di vita corrispondenti a diversi risultati o tratti di vita. Analizzando queste direzioni, hanno capito come fattori quali lo stato di occupazione o le diagnosi di salute abbiano influenzato le previsioni del modello.
L'utilizzo dell'intelligenza artificiale per prevedere gli eventi importanti della vita, tra cui la morte è senza dubbio uno dei più significativi, è una prospettiva allettante.
Sebbene i suoi benefici e i suoi rischi siano strettamente bilanciati, applicazioni simili sono state incanalate verso un fine positivo, come questo modello utilizzato per predire il suicidio e l'autolesionismo degli adolescenti. Nell'assistenza sanitaria in generale, la modellazione predittiva aiuta a definire le priorità di trattamento per i gruppi a rischio.
Tuttavia, come ammette Jørgensen, c'è da lavorare per proteggere gli usi etici di queste tecnologie.
