{"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\/nl\/2023\/12\/danish-researchers-predict-the-risk-of-premature-death-with-ai\/","title":{"rendered":"Deense onderzoekers voorspellen het risico op vroegtijdig overlijden met behulp van AI"},"content":{"rendered":"

Een AI-systeem dat is ontwikkeld met behulp van uitgebreide persoonlijke gegevens uit Denemarken heeft aangetoond opmerkelijk nauwkeurig te zijn in het voorspellen van iemands risico op overlijden.\u00a0<\/b><\/p>\n

Deze AI, gedocumenteerd in een <\/span>studie gepubliceerd in Nature Computational Science<\/span><\/a>is gemaakt door Sune Lehmann J\u00f8rgensen en zijn team van de Technische Universiteit van Denemarken.\u00a0<\/span><\/p>\n

Ze analyseerden een enorme dataset met talrijke factoren uit de hele Deense bevolking, waaronder gegevens over opleiding, medische bezoeken, diagnoses, inkomen en beroep, van zes miljoen personen tussen 2008 en 2020.<\/span><\/p>\n

Deze gegevens werden vervolgens omgezet in een formaat dat geschikt is voor het trainen van een groot taalmodel (LLM). T<\/span>Het Life2vec-model van het team bekijkt de levensgebeurtenissen van een persoon en voorspelt waarschijnlijke toekomstige uitkomsten, vergelijkbaar met hoe een LLM taal verwerkt.\u00a0<\/span><\/p>\n

Om Life2vec te testen, reserveerde het team de laatste vier jaar van de gegevens en richtte zich op personen tussen 35 en 65 jaar, waarvan de helft tussen 2016 en 2020 overleed.<\/span><\/p>\n

De voorspellingen van Life2vec over wie al dan niet zou overleven, overtroffen bestaande AI-modellen en actuari\u00eble levenstabellen (gebruikt door de verzekeringsindustrie) met ongeveer 11%. Het werd ook gebruikt om persoonlijkheidsuitkomsten te voorspellen, wat aantoont dat het model in staat is om grootschalige maatschappelijke inputs te koppelen aan outputs op individueel niveau.\u00a0<\/span><\/p>\n

J\u00f8rgensen ziet dit model als een hulpmiddel voor vroegtijdige detectie van gezondheids- en sociale problemen, waardoor het overheden mogelijk kan helpen om gezondheids- en sociale ongelijkheden te verminderen. Het legt verbanden bloot tussen sterfte en economie, arbeid, inkomensniveau en geboortejaar en biedt zo een andere manier om de invloed van dit soort macro-demografische factoren op de gezondheid van een individu te onderzoeken.\u00a0<\/span><\/p>\n

J\u00f8rgensen waarschuwt echter voor mogelijk zakelijk misbruik, met name in de verzekeringsbranche, waar het het fundamentele principe van gedeeld risico zou kunnen verstoren.\u00a0<\/span><\/p>\n

Als verzekeraars AI zouden gebruiken om te bepalen wanneer een bepaald individu een groter risico loopt om te overlijden, zou dat een complex ethisch debat opleveren. Dat is enigszins vergelijkbaar met andere voorspellende toepassingen van AI, zoals <\/span>voorspellende politieprogramma's<\/span><\/a>die individuen als potenti\u00eble 'verdachten' hebben aangemerkt voordat ze een mogelijk misdrijf hebben gepleegd.\u00a0<\/span><\/p>\n

J\u00f8rgensen zei hierover<\/span><\/a>\"Het is duidelijk dat ons model niet gebruikt zou moeten worden door een verzekeringsmaatschappij, want het hele idee van verzekeringen is dat, door het delen van het gebrek aan kennis over wie de ongelukkige persoon zal zijn die getroffen wordt door een incident, of overlijden, of het verliezen van je rugzak, we deze last min of meer kunnen delen.\"<\/span><\/p>\n

Meer over het onderzoek<\/span><\/h2>\n

Hier is wat meer informatie over de doelen van het onderzoek, de nieuwe aanpak en hoe het werkte:<\/span><\/p>\n