Especialistas da Universidade Técnica da Dinamarca, colaborando com diversas academias, integraram tecnologias de aprendizado de máquina com estudos sociais para criar um modelo computacional capaz de estimar o risco de óbitos antecipados e prever a quantia financeira acumulada durante a vida de uma pessoa. Conhecido como Life2Vec, este modelo representa o avanço mais significativo em precisão para tais previsões. Este sistema utiliza uma vasta gama de dados demográficos e comportamentais, estabelecendo novos padrões em análises preditivas. A inovação trazida por Life2Vec abre caminhos para aplicações práticas em planejamento financeiro e estratégias de saúde pública, oferecendo uma visão mais detalhada sobre as trajetórias de vida individuais.
Atualmente, diversas IA são projetadas para antever riscos de enfermidades, fundamentando-se em elementos como registros clínicos pessoais e genealógicos dos pacientes. Estas IA são aptas a prever incidentes como emergências cardíacas iminentes ou reações indesejadas a fármacos. Contudo, a maior parte desses sistemas se restringe a informações de saúde, e é justamente aqui que o projeto dinamarquês se destaca. A pesquisa, cujos achados foram recentemente divulgados na revista Nature Computational Science, utiliza o Life2Vec, um algoritmo treinado com um extenso conjunto de dados de aproximadamente 6 milhões de cidadãos dinamarqueses. Este banco de dados engloba detalhes sobre grau de instrução, status profissional e rendimentos, além da frequência e tipo de consultas médicas e diagnósticos anteriores.
O conjunto de dados utilizado para este estudo cobriu um intervalo de tempo de 2008 a 2020. Contudo, o treinamento da inteligência artificial foi realizado utilizando apenas dados dos primeiros oito anos desse intervalo. Os anos subsequentes, de 2016 a 2020, foram empregados como um período de teste para validar se o modelo era capaz de prever com precisão os eventos futuros das pessoas analisadas. Em termos gerais, inteligências artificiais do tipo transformer, como o ChatGPT, são treinadas de maneira específica: elas processam um vasto conjunto de textos (por exemplo, todo o conteúdo disponível na internet) e convertem esses textos em sequências numéricas. Cada número neste contexto simboliza uma palavra ou parte dela.
De modo geral, as estimativas geradas pelo modelo se mostraram acertadas em 78% das ocasiões. Esse alto índice de precisão se deve ao fato de que o perigo de morte não é determinado exclusivamente por aspectos de saúde, mas também por fatores como níveis de rendimento, diagnósticos psiquiátricos e gênero do sujeito. A sequência cronológica dos eventos é outro elemento crucial na definição dos resultados. O sistema demonstrou grande eficácia para a população da Dinamarca, embora sua aplicabilidade possa variar em outros países, onde o grau de detalhamento e a unificação de dados sobre os cidadãos podem ser diferentes.
Leia mais:
- Mercedes revelará ajudante virtual com IA em 2024
- Fundo estratégico de criptomoedas é criado para eleições de 2024 nos EUA
- Brasil capta milhões em criptoativos durante alta global de saques
Assine nossas notícias para receber todas as novidades do mundo cripto!
