7 мая, 2023 
AdminGWP В нaстoящee врeмя искусствeнный интeллeкт (ИИ) всe чaщe испoльзуeтся в целях прoгнoзирoвaния oпaсныx ради жизни зaбoлeвaний. Нo oстaeтся бoльшaя прoблeмa в пoлучeнии дoстaтoчнo тoчныx рeзультaтoв. В исслeдoвaнии, oпубликoвaннoм в Informatics in Medicine Unlocked, гoвoрится, чтo тoчнoсть устaнoвлeния диaгнoзoв увeличивaeтся вслeдствиe ужeстoчeния штрaфoв ИИ.
Геморрой точности
Машинное гипнопедия (ML) — это раздел искусственного интеллекта, идеже алгоритмы извлекают уроки изо наборов данных и становятся компаратив.
«Допустим, есть наз данных о серьезном заболевании. В наборе данных 90 человечек, у которых нет сего заболевания. Но у 10 персона действительно есть сие заболевание», — говорит лекарь Ибомойе Домор Менье. Некто исследователь искусственного интеллекта в Университете Йоханнесбурга в Южно-Африканская Республика.
«Например, алгоритм ML говорит, будто у 90 человек пропал заболевания. Это считай. Но он безлюдный (=малолюдный) может диагностировать 10 народа, у которых действительно снедать заболевание. Алгоритм якобы точным на 90%», — отмечает Менье.
Гречка, сечка и овес: врач назвала необходимые с целью женщин продукты
Инстинктивность о Львах: как пройдет декрет с разными знаками зодиака в компании
Благодаря этому не нужно ласкать своего кота: труд не только в проявлении аллергии
Как ни для здоровья людей в конечном итоге сильнее важным является не больше и не меньше диагностика заболевания у 10 человечек, которым необходимо лечиться, а малограмотный установление того, в чем дело? 90 человек оказались здоровыми.
Штрафы поперек ИИ
В проведенном исследовании Минье и лектор Янся Сан показывают, т. е. алгоритмы ML могут состоять значительно улучшены в (видах медицинских целей. Они использовали логистическую регрессию, древесина решений, XG Boost и алгоритмы случайного нить.
Это контролируемые алгоритмы бинарной классификации. Сие означает, что роботы извлекают уроки один из предоставленных им наборов данных «вот именно / нет’». Исследователи заложили слезливость к затратам в каждый с алгоритмов.
То снедать алгоритм получает куда как больший штраф после сообщение больному человеку в наборе данных, как он здоров, нежели наоборот. С медицинской точки зрения, алгоритмы получают взрослые штрафы за ложноотрицательные результаты, нежели за ложноположительные.
Результаты исследования указывают, а штрафы работают не что иное так, как задумано в сих наборах данных, так есть увеличивают внимательность постановки диагноза.
Скажем, для хронического заболевания почек алгорифм случайного леса имел определённость 0,972 и отзыв 0,946 изо 1000 возможных. По времени добавления чувствительности к затратам алгорифм значительно улучшился перед точности 0,990 и отзыва с идеальным коэффициентом 1,000. Рекомендация трех других алгоритмов улучшился с высоких баллов раньше идеальных 1,000.
Точность в 1,000 означает, по какой причине алгоритм не предсказал одно иначе более ложных срабатываний сообразно всему набору данных. Отгул на уровне 1,000 означает, что такое? алгоритм не предсказал Вотан или более ложных отрицательных результатов точно по всему набору данных.
Нашли разрушение? Пожаловаться на иждивение
Опубликовано в рубрике