Modelowanie przyszłych chorób

[KopalniaWiedzy.pl 357]

Po przeanalizowaniu danych tysięcy pacjentów naukowcy z amerykańskich uczelni zaproponowali model statystyczny do przewidywania problemów zdrowotnych, z jakimi będą się zmagać konkretni chorzy. Jego działanie przypomina systemy poleceń sklepów internetowych czy wypożyczalni filmów. Algorytm wykorzystuje informacje o tym, co przydarzyło się danemu człowiekowi i czego doświadczają inni ludzie z podobną historią medyczną (Annals of Applied Statistics).

Dzięki modelowi lekarz zyskuje wgląd w prawdopodobne losy swego podopiecznego. Co ważne, zapewnia on wyniki interpretowalne dla samego pacjenta - wyjaśnia prof. Tyler McCormick z University of Washington.

Amerykanin chwali się, że to jeden z pierwszych przypadków zastosowania algorytmu predykcyjnego w praktyce medycznej. Nowy model ma istotną przewagę nad swymi poprzednikami: pozwala przewidywać w sytuacji niedoboru danych. Gdy np. nowy pacjent nie dysponuje zapisem przebytych chorób i podawanych wcześniej leków, można porównać jego aktualne objawy z chorymi z bardziej rozbudowaną dokumentacją, u których ten sam zestaw symptomów wystąpił z podobnym czasowaniem. Dzięki temu algorytm wytypuje, co może nastąpić później. Przyglądamy się każdej sekwencji objawów, by spróbować przewidzieć resztę sekwencji dla innego pacjenta.

Zespół McCormicka wykorzystał dane kilkudziesięciu tysięcy pacjentów w wieku powyżej 40 lat z wieloletnich testów klinicznych leków. Naukowcy znali płeć i pochodzenie etniczne badanych, a także ich historie medyczne. Okazało się, że z 1800 schorzeń z bazy danych aż 1400 wystąpiło mniej niż 10 razy. Akademicy starali się nie stracić ich z oczu, by ewentualnie zaalarmować osoby, u których mogłyby się pojawić rzadkie jednostki nozologiczne.

Obecnie trwają prace nad udostępnieniem Modelu Zasady Hierarchicznych Związków (Hierarchical Association Rule Model) lekarzom i chorym.