{"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\/nb\/2023\/12\/danish-researchers-predict-the-risk-of-premature-death-with-ai\/","title":{"rendered":"Danske forskere forutser risikoen for tidlig d\u00f8d ved hjelp av kunstig intelligens"},"content":{"rendered":"

Et AI-system som er utviklet ved hjelp av omfattende persondata fra Danmark, har vist seg \u00e5 v\u00e6re bemerkelsesverdig n\u00f8yaktig n\u00e5r det gjelder \u00e5 forutsi en persons d\u00f8dsrisiko.\u00a0<\/b><\/p>\n

Denne AI-en, som er dokumentert i en <\/span>studie publisert i Nature Computational Science<\/span><\/a>ble skapt av Sune Lehmann J\u00f8rgensen og hans team fra Danmarks Tekniske Universitet.\u00a0<\/span><\/p>\n

De analyserte et enormt datasett med en rekke faktorer fra hele den danske befolkningen, inkludert utdanning, legebes\u00f8k, diagnoser, inntekt og yrkesdata, fra seks millioner individer i perioden 2008-2020.<\/span><\/p>\n

Disse dataene ble deretter omgjort til et format som egner seg for trening av en stor spr\u00e5kmodell (LLM). T<\/span>eamets Life2vec-modell g\u00e5r gjennom en persons livshendelser og forutser sannsynlige fremtidige utfall, p\u00e5 samme m\u00e5te som en LLM behandler spr\u00e5k.\u00a0<\/span><\/p>\n

For \u00e5 teste Life2vec reserverte teamet de siste fire \u00e5rene med data og fokuserte p\u00e5 personer i alderen 35 til 65 \u00e5r, hvorav halvparten gikk bort mellom 2016 og 2020.<\/span><\/p>\n

Life2vecs sp\u00e5dommer om hvem som sannsynligvis ville overleve eller ikke, overgikk alle eksisterende AI-modeller og aktuariske livstabeller (som brukes av forsikringsbransjen) med omtrent 11%. Den ble ogs\u00e5 brukt til \u00e5 forutsi personlighetsresultater, noe som viser modellens evne til \u00e5 kartlegge store samfunnsmessige input til output p\u00e5 individniv\u00e5.\u00a0<\/span><\/p>\n

J\u00f8rgensen ser for seg denne modellen som et verkt\u00f8y for tidlig oppdagelse av helsemessige og sosiale problemer, noe som potensielt kan hjelpe myndighetene med \u00e5 redusere helseforskjeller og sosiale ulikheter. Den avdekker sammenhenger mellom d\u00f8delighet og \u00f8konomi, arbeid, inntektsniv\u00e5 og f\u00f8dsels\u00e5r, noe som gir en ny mulighet til \u00e5 utforske effekten av denne typen makrodemografiske faktorer p\u00e5 den enkeltes helse.\u00a0<\/span><\/p>\n

J\u00f8rgensen advarer imidlertid mot potensielt misbruk, s\u00e6rlig i forsikringsbransjen, der det kan rokke ved det grunnleggende prinsippet om delt risiko.\u00a0<\/span><\/p>\n

Hvis forsikringsselskapene brukte kunstig intelligens til \u00e5 avgj\u00f8re n\u00e5r en bestemt person har st\u00f8rre risiko for \u00e5 d\u00f8, ville det \u00e5pne opp for en kompleks etisk debatt. Det er en viss parallell til andre prediktive bruksomr\u00e5der for kunstig intelligens, som <\/span>prediktive politiprogrammer<\/span><\/a>som har utpekt enkeltpersoner som potensielle \"mistenkte\" f\u00f8r de har beg\u00e5tt en mulig forbrytelse.\u00a0<\/span><\/p>\n

J\u00f8rgensen sa om dette<\/span><\/a>\"Det er klart at modellen v\u00e5r ikke b\u00f8r brukes av et forsikringsselskap, for hele ideen med forsikring er at vi kan dele byrden ved \u00e5 dele mangelen p\u00e5 kunnskap om hvem som kommer til \u00e5 v\u00e6re den uheldige personen som rammes av en hendelse, eller d\u00f8r, eller mister ryggsekken din.\"<\/span><\/p>\n

Mer om studien<\/span><\/h2>\n

Her er litt mer informasjon om studiens m\u00e5l, nye tiln\u00e6rming og hvordan den fungerte:<\/span><\/p>\n