امکان پیش بینی امید به زندگی شخصی به وسیله یادگیری عمیق و هوش مصنوعی
به گزارش مجله کامسا، با تعجب نمیرید: برنامه ها به زودی می توانند امید به زندگی شما را پیش بینی نمایند، اما آیا واقعاً می خواهید بدانید؟
کی می میرم؟
این سؤال در بین فرهنگ ها و تمدن ها تحمل شده است. این سؤال هزاران سال به تعداد زیادی جهت مذهبی و روحی و اخیراً به بعضی از برنامه های بسیار سرگرم نماینده منجر شده است.اما این سؤال اکنون پاسخ متفاوتی را ایجاد می نماید، زیرا فناوری به آرامی ما را به پیش بینی دقیق جواب نزدیک می نماید.
پیش بینی طول عمر افراد یا امید به زندگی شخصی (PLE) آنها زندگی ما را به شدت تغییر می دهد.
از یک طرف، این ممکن است فایده ای برای سیاست گذاری داشته باشد و به بهینه سازی سلامت فرد یا خدماتی که دریافت می نماید یاری کند.
اما سوء استفاده احتمالی از این اطلاعات به وسیله دولت یا بخش خصوصی خطرات بزرگی را برای حقوق و حریم خصوصی ما ایجاد می نماید.
اگر چه فراوری یک امید به زندگی دقیق، به علت پیچیدگی عوامل تحت تأثیر طول عمر، در حال حاضر سخت است، اما فناوری های نو ظهور می توانند این امر را در آینده به واقعیت تبدیل نمایند.
امید به زندگی را چگونه محاسبه می کنید؟
پیش بینی امید به زندگی مفهومی تازه نیست. کارشناسان این کار را در سطح جمعیتی با طبقه بندی افراد به گروه ها انجام می دهند که اغلب بر اساس منطقه یا قومیت انجام می گردد.بعلاوه، از ابزارهایی مانند یادگیری عمیق و هوش مصنوعی می توان برای پیش بینی سن بیولوژیکی متغیرهای پیچیده مانند داده های زیست پزشکی استفاده کرد.
سن بیولوژیکی بیشتر به این معنی است که بدن آنها چقدر پیر است تا این که کِی به جهان آمده اند. یک جوان 30 ساله که به شدت سیگار می کشد ممکن است سن بیولوژیکی نزدیک به 40 سال داشته باشد.
محاسبه یک امید به زندگی قابل اعتماد به یک سیستم پیشرفته احتیاج دارد که وسعت عوامل محیطی، جغرافیایی، ژنتیکی و سبک زندگی را در نظر بگیرد - زیرا همه اینها تأثیر دارد.
تصویر: استفاده از دستگاه هایی مانند ردیاب های تندرستی در پیش بینی امید به زندگی شخصی در آینده بسیار مهم خواهد بود. Shutterstock
با یادگیری ماشین و هوش مصنوعی، تجزیه و تحلیل مقادیر بیشتری از داده ها امکان پذیر است. استفاده از یادگیری عمیق و محاسبات شناختی، مانند موردIBM Watson ، به پزشکان یاری می نماید تا تشخیص دقیق تری را در مقایسه با استفاده از قضاوت انسان به تنهایی، انجام دهند.
این، همراه با تجزیه و تحلیل پیش بینی و افزایش قدرت محاسباتی، به این معنی است که ما به زودی ممکن است سیستم یا حتی برنامه هایی داشته باشیم که بتواند امید به زندگی را محاسبه کند.
یک برنامه برای آن وجود دارد
تقریباً مانند ابزارهای موجود که مقدار بقای سرطان را پیش بینی می نمایند، در سال های آینده ممکن است برنامه هایی را مشاهده کنیم که سعی در تجزیه و تحلیل داده ها برای پیش بینی امید به زندگی داشته باشند.با این حال ، آنها قادر به ارائه تاریخ مرگ یا حتی سال مرگ نخواهند بود.
رفتار و فعالیت های انسانی بسیار غیر قابل پیش بینی است؛ مقدار گیری، طبقه بندی و پیش بینی طول عمر تقریباً غیر ممکن است. امید به زندگی شخصی، حتی وقتی با دقت محاسبه شده باشد، فقط امید به زندگی طبیعی را بر اساس داده های عمومی بهینه سازی شده با داده های شخصی فراهم می نماید.
کلید دقت، در کیفیت و کمیت داده های موجود خواهد بود. بخش اعظم این کار مستقیماً از جمله در خصوص جنس، سن، وزن، قد و قومیت از خود کاربر گرفته می گردد.
دسترسی به داده های حسگر به صورت بلادرنگ به وسیله ردیاب های تندرستی و ساعت های هوشمند بعلاوه می تواند سطح فعالیت، ضربان قلب و فشار خون را کنترل کند. این می تواند همراه با اطلاعات مربوط به شیوه زندگی مانند شغل، شرایط مالی، ورزش، رژیم و سابقه پزشکی خانواده باشد.
برای محاسبه امید به زندگی می توان از موارد فوق برای طبقه بندی یک فرد در یک گروه عمومی استفاده کرد. این نتیجه با تجزیه و تحلیل داده های شخصی، به روز رسانی امید به زندگی کاربر، و اجازه نظارت بر آن، با گذشت زمان تصفیه می گردد.
تصویر: این شکل نشان می دهد که چگونه امید به زندگی یک فرد ممکن است بین دو نقطه در زمان (F و H) در پی بهبود سبک زندگی، مانند کاهش وزن، تغییر کند.
دو طرف یک سکه
پیش بینی امید به زندگی می تواند برای افراد، ارائه دهندگان خدمات درمانی و دولت مفید باشد.به عنوان مثال، باعث می گردد که مردم از سلامت عمومی و بهبود یا وخیم تر شدن آن با گذشت زمان مطلع شوند. این ممکن است آنها را برای انتخاب یک شیوه زندگی سالم تر ترغیب کند.
آنها بعلاوه می توانند به وسیله شرکت های بیمه برای ارائه خدمات شخصی استفاده شوند، مانند نحوه استفاده بعضی از شرکت های بیمه اتومبیل از فناوری جعبه سیاه برای کاهش حق بیمه رانندگان محتاط تر.
ممکن است دولت ها بتوانند از پیش بینی ها برای تخصیص کارآمدتر منابع محدود، مانند یاری به رفاه اجتماعی و بودجه مراقبت های بهداشتی، به افراد و مناطقی که احتیاج بیشتری دارند، استفاده نمایند.
اما ممکن است افراد اگر امید به زندگی شان به طور غیر منتظره کم باشد یا اصلاً به فکر داشتن یک امید به زندگی باشند، دچار پریشانی شوند. این، نگرانی ای را بر می انگیزد در خصوص این که چگونه چنین پیش بینی هایی می تواند روی کسانی که مسائل سلامت روانی را تجربه می نمایند یا در معرض خطر این مسائل هستند، تأثیر بگذارد.
داشتن اطلاعات دقیق بهداشتی افراد بعلاوه می تواند به شرکتهای بیمه اجازه دهد دقیق تر متقاضیان را معرفی نمایند و منجر به تبعیض علیه گروه ها یا افراد گردد.
بعلاوه، شرکت های دارو سازی می توانند بر اساس امید به زندگی افراد، اقدامات پزشکی هدفمند را هماهنگ نمایند. و دولت ها می توانند انتخاب نمایند که از افراد به گونه های مختلف مالیات بگیرند، یا خدمات را برای افراد خاص محدود نمایند.
چه زمانی این اتفاق خواهد افتاد؟
دانشمندان سالها مشغول کار بر روی راه هایی برای پیش بینی امید به زندگی انسان بوده اند.این راهکار احتیاج به متخصصین از جمله جمعیت شناسان، دانشمندان بهداشت، دانشمندان داده، متخصصان فناوری اطلاعات، برنامه نویسان، متخصصان پزشکی و آمار دارد.
در حالی که جمع آوری داده های کافی چالش برانگیز است، به احتمال زیاد می توان انتظار داشت در سال های آینده ما شاهد پیشرفت هایی در این زمینه باشیم.
در این صورت، مسائل مربوط به انطباق داده ها و بعلاوه همکاری با دستگاه های دولتی و آژانس های ایالتی باید با دقت مدیریت گردد. اگر چه فراوری یک امید به زندگی دقیق، به علت پیچیدگی عوامل تحت تأثیر طول عمر، در حال حاضر سخت است، اما فناوری های نو ظهور می توانند این امر را در آینده به واقعیت تبدیل نمایند. هر سیستمی که امید به زندگی را پیش بینی می نماید با داده های بسیار حساس برخورد می نماید و نگرانی های اخلاقی و حریم خصوصی را مطرح می نماید.
این امر بعلاوه باعث ایجاد مجرمان سایبری و تهدیدهای امنیتی دیگر می گردد.
منبع: جِیمز جین کانگ - پاول هاسکل داولند - Edith Cowan University
منبع: راسخون