Инструмент искусственного интеллекта может определить тенденции развития диабета 2 типа в США

Новое исследование Университета Буффало сообщает о преимуществах использования искусственного интеллекта для лучшего понимания диабета 2 типа в Соединенных Штатах.

В исследовании описывается, как машинное обучение — подмножество ИИ, в котором компьютеры действуют разумно без явного программирования — может помочь изучить распространенность болезни, от которой страдают более 34 миллионов американцев, а также выявить будущие тенденции.

Работой руководила Зия Ахмед, старший научный сотрудник и доцент института UB RENEW. Он был опубликован 26 марта в журнале Nature’s Scientific Reports .

По словам Ахмеда, распространенность диабета 2 типа в Соединенных Штатах существенно различается в результате широкого спектра социально-экономических факторов и факторов риска, связанных с образом жизни .

Исследование основывалось на данных, представленных в Системе наблюдения за диабетом США Центров по контролю и профилактике заболеваний (CDC) и в Системе наблюдения за поведенческими факторами риска CDC. Дополнительные данные, такие как шесть факторов риска — доступ к высшему образованию , бедность, ожирение, отсутствие физической активности, доступ к площадкам для занятий спортом, таким как общественные парки , и доступ к здоровой пище — были получены из Программы оценки населения Бюро переписи населения США.

По словам Ахмеда, программа машинного обучения, которую использовала исследовательская группа — географически взвешенная модель случайного леса — превосходит существующие методы.

По словам Ахмеда, лучшее понимание вариаций этих факторов риска может помочь в выборе подходов к вмешательству и лечению для снижения или предотвращения диабета 2 типа. Он добавляет, что результаты исследования могут привести к разработке более специализированных и эффективных стратегий профилактики с политической точки зрения, что имеет решающее значение с учетом прогнозируемого роста заболеваемости диабетом.

«Зия имеет всестороннюю подготовку, исследования и опыт руководства в области наук о геопространственных данных в сельском хозяйстве, здравоохранении и окружающей среде. Его нынешний исследовательский интерес объясняется искусственным интеллектом (XAI) для изучения пространственной неоднородности местного вклада в прогнозирование. Его знания и навыки передовые методы обработки данных и машинное обучение влияют на различные основные области RENEW, включая воздействие на окружающую среду, геномы и здоровье », — сказал Амит Гоял, заслуженный профессор SUNY и директор-основатель института RENEW UB.

Ахмед имеет более чем 20-летний опыт работы в области моделирования окружающей среды и анализа данных. Области экспертизы включают интеллектуальный анализ данных ; географические информационные системы , дистанционное / ближнее зондирование и геостатистика; линейная / нелинейная модель, модель смешанного эффекта, многомерная статистика и машинное обучение ; и управление базой данных.