Antagandet av artificiell intelligens vid diagnos och prognos av sjukdomar kan bidra till att förlänga människors liv samtidigt som det ger betydande besparingar för NHS.

Detta enligt forskare från Cardiff University som har tillhandahållit övertygande bevis som visar de fördelar som toppmoderna tekniker kan ge för riskbedömningar hos patienter.

I en ny studie publicerad i PLOS One , forskarteamet har visat hur artificiell intelligens kan ge en lika exakt och tillförlitlig prognos för patienter med hjärt-kärlsjukdom, jämfört med traditionella metoder.

Maskininlärningsteknikerna de använde krävde ingen expertis eller mänsklig interaktion och övervann därför en stor flaskhals i processen.

Medförfattare till studien Professor Craig Currie, från Cardiff University's School of Medicine, sa:"Om vi ​​kan förfina dessa metoder, de kommer att göra det möjligt för oss att mycket tidigare fastställa vilka personer som behöver förebyggande åtgärder. Detta kommer att förlänga människors liv och bevara NHS-resurser."

I en tid av evidensbaserad medicin, Användningen av statistik har blivit en avgörande del av att bedöma riskerna för vissa typer av sjukdomar.

Traditionellt, Kliniker och statistiker har närmat sig denna uppgift genom att manuellt utveckla matematiska ekvationer. Dock, artificiell intelligens tillhandahåller tekniker som kan avslöja komplexa associationer i data.

"Även om vi redan har tillförlitliga metoder för att förutse människor utifrån deras risk för allvarliga hjärthändelser, artificiell intelligens lovar nya sätt att förhöra data och sannolikheten för en mer tillförlitlig riskklassificering, " fortsatte professor Currie.

I deras studie, teamet testade en teknik som kallas genetisk programmering (GP) – en metod inspirerad av evolution i naturen där datorprogram kodas som en uppsättning gener som sedan iterativt modifieras eller utvecklas.

GP är fördelaktigt framför algoritmer som produceras av människor genom att det minskar partiskhet och risken för mänskliga fel, samtidigt som alla förändringar i miljön automatiskt kan integreras i matematiska formler.

En fördel med detta särskilda tillvägagångssätt är att de komplexa associationer som avslöjas av artificiell intelligens från data kan göras transparenta för klinikerna, vilket innebär att det inte finns något behov för dem att avvika från sin befintliga praxis.

I studien använde teamet GP för att bedöma framtida risker för en kardiovaskulär händelse, såsom kardiovaskulär död, icke-dödlig stroke eller icke-dödlig hjärtinfarkt, i över 3, 800 kardiovaskulära patienter, i åldern 19-83, under en 10-årsperiod.

Maskininlärningsalgoritmerna använde totalt 25 prediktorer hämtade från patientdata, inklusive ålder, sex, BMI, alkohol och rökning och blodtryck.

Resultaten visade att maskininlärningsalgoritmerna kunde prestera jämförbart med traditionella metoder när de förutsäger risken förknippad med enskilda patienter.

Medförfattare till studien Professor Irena Spasić, från Cardiff Universitys School of Computer Science and Informatics, sa:"Förmågan att tolka lösningar som erbjuds av maskininlärning har hittills hållit tekniken tillbaka när det gäller integration i klinisk praxis.

"Dock, i ljuset av den senaste tidens återuppkomst av neurala nätverk, det är viktigt att inte ställa andra maskininlärningsmetoder på sidan, särskilt de som erbjuder transparens som genetisk programmering eller beslutsträd. Trots allt, vi vill använda artificiell intelligens för att hjälpa mänskliga experter och inte ta dem ur ekvationen helt och hållet."