Штрафы заставили искусственный интеллект ставить более точные диагнозы

В наши дни возможности искусственного интеллекта всё чаще применяются в медицинских целях. Например, компьютерный алгоритм можно "обучить" диагностировать различные заболевания. Недавно исследователям из Йоханнесбургского университета удалось повысить точность результатов, введя для программ "систему штрафов". Информация об этом была опубликована в журнале Informatics in Medicine Unlocked.

 

Как машины обучают диагностике

Суть работы таких алгоритмов в том, что их сначала обучают ставить диагнозы на основании определённых наборов симптомов, характерных, скажем, для таких недугов, как диабет, рак молочной железы и шейки матки, а также хронические патологии почек.

Затем в машину закладываются данные реальных пациентов, которые лечились в клиниках или участвовали в медицинских программах. И предлагают определить, здоров человек или болен. Это должно облегчить работу медиков. Тем более машина работает с информацией гораздо быстрее самого профессионального врача, которому надо ещё изучить результаты анализов и осмотреть пациента перед тем, как сделать какие-то выводы. Хотя, конечно, окончательное резюме всё равно будет за врачом. Но база для постановки диагноза уже будет подготовлена заранее.

Слишком много ошибок

 

К сожалению, в стандартной ситуации точность распознавания болезней не очень высока, тем более что алгоритм может дать ответ только в двоичном формате — да или нет. То есть либо пациент болен, либо не болен.

Тогда авторы проекта решили "штрафовать" программу за то, что она "выдаёт" больных людей за здоровых. "Штрафы" применялись и в тех случаях, если здорового пациента программа классифицировала как больного, однако в этом случае они были меньше.

Конечно, штраф для электронного устройства всего лишь условность, но выяснилось, что в случае "наказания" точность диагностики повышается.

"Кнут" — он всегда кнут

 

Учёные использовали для постановки диагнозов алгоритмы логистической регрессии, дерева решений, XGBoost и "случайного леса".

Изначально при определении хронической болезни почек алгоритмом "случайного леса" точность составляла 0,972 из 1 000. После введения "штрафов" она повысилась до 0,990. С другими алгоритмами значения различались, но абсолютно во всех случаях диагностика оказывалась более успешной.

Получается, что наказание "кнутом" одинаково действует и на живые объекты, и на электронные системы. Впрочем, то, что во всём мире действуют одинаковые принципы, каких бы аспектов нашей жизни это ни касалось, уже давно доказанный факт. В данном случае доказано, что результаты улучшаются под страхом наказания. И неважно, с кем вы имеете дело — с человеком или с машиной.