Study Life2Vec: Penggunaan AI Untuk Memprediksi Kematian

Penggunaan AI Untuk Memprediksi Kematian

Para ilmuan dari Technical University of Denmark (DTU), baru saja mempublikasikan hasil study dari artificial intelligence system yang selama ini mereka latih. Tujuannya adalah untuk memprediksi waktu kematian seseorang berdasarkan risiko kesehatan yang dapat membuat orang tersebut meninggal lebih cepat dari pada yang seharusnya. Misalnya, karena gaya hidup yang tidak sehat atau adanya riwayat penyakit tertentu yang diderita oleh orang tersebut. Study ini melibatkan sample data yang diambil dari 6 juta masyarakat Denmark dari rentang waktu 2008 hingga 2020 yang berusia 35 hingga 65 tahun. Yang meliputi informasi tentang jenjang pendidikan, pekerjaan, pendapatan, hingga data medis seperti riwayat berobat mereka ke rumah sakit dan hasil diagnosa dokter. Menariknya, sebagian orang yang datanya digunakan dalam penelitian ini adalah mereka yang memang sudah meninggal selama rentang waktu 2016 hingga 2020. Dan disisnilah, AI diminta untuk memprediksi mana yang masih hidup dan mana yang sudah meninggal?

Bagaimana hasilnya?

Secara mengejutkan, akurasinya mencapai 78% atau 11% lebih akurat dibanding hasil yang diberikan oleh model AI lain yang sama-sama dilatih untuk memprediksi hal ini. Hasil ini bahkan dianggap jauh lebih akurat dibandingkan metode yang selama ini digunakan oleh perusahaan asuransi jiwa untuk menentukan berapa besaran polis asuransi yang harus dibayarkan pemegang polis. Wow…

Lantas, bagaimana cara para ilmuan DTU melatih AI ini?

Menurut berbagai sumber yang saya baca, para ilmuan meng-convert berbagai data tersebut kedalam bentuk kata-kata. Mungkin gampangnya gini kali ya, misalkan ada tabel dengan 2 kolom, dimana kolom pertama berisi nama dan kolom kedua berisi riwayat penyakit, anggaplah kaya gini:

Nama Riwayat Penyakit
Andi Darah tinggi & gula
Budi Asam urat

Maka mereka mengubah data dari tabel diatas kedalam bentuk kata-kata seperti: Andi memiliki riwayat penyakit darah tinggi & gula sementara Budi memiliki riwayat penyakit asam urat. Mereka memberi nama LLMs-nya ini, Life2Vec.

Source code-nya ada disini: https://github.com/SocialComplexityLab/life2vec
Sementara skema penelitiannya bisa kalian unduh disini: https://www.dst.dk/en/TilSalg/Forskningsservice/Dataadgang
Dan buat yang pengen baca jurnalnya ada disini: https://www.nature.com/articles/s43588-023-00573-5

Saya sempet coba googling dengan kata kunci “Life2Vec Online” dan ternyata bener, ada sebuah situs yang sudah mengadopsi Life2Vec dalam bentuk kalkulator kematian, ini linknya: https://openaisea.com/ai-death-calculator-free-online-100-working/ Nggak seserem namanya kok, formatnya hampir-hampir sama kaya kalkulator BMI (Body Mass Index). Bedanya, BMI dirancang untuk mengetahui ideal atau tidaknya berat badan seseorang. Sementara Life2Vec dirancang untuk memprediksi berapa lama kira-kira seseorang masih akan hidup jika dilihat dari gaya hidup yang selama ini dijalaninya dan riwayat penyakit yang dideritanya.

Menariknya, undang-undang privacy di Denmark, melarang penggunaan Life2Vec untuk membuat keputusan terkait polis asuransi seseorang. So, meski datanya dianggap jauh lebih akurat dibanding metode yang selama ini digunakan oleh perusahaan asuransi. Secara hukum, seluruh perusahaan asuransi di Denmark tidak dapat mengadopsi algoritma Life2Vec sebagai sistem pendukung keputusan.

Tak hanya memprediksi kematian, Life2Vec juga dirancang untuk mengenali kepribadian seseorang, hingga hal-hal personal lain dalam diri orang tersebut, dari seluruh data yang diolahnya.

Berikut pernyataan lengkap dari, Dr. Sune Lehman sebagai author yang mempublikasikan riset tersebut:

We used the model to address the fundamental question: to what extent can AI predict events in your future based on conditions and events in your past? Scientifically, what is exciting for us is not so much the prediction itself, but the aspects of data that enable the model to provide such precise answers.

What’s exciting is to consider human life as a long sequence of events, similar to how a sentence in a language consists of a series of words. This is usually the type of task for which transformer models in AI are used, but in our experiments, we use them to analyze what we call life sequences, i.e., events that have happened in human life

But,

Clearly, our model should not be used by an insurance company, because the whole idea of insurance is that, by sharing the lack of knowledge of who is going to be the unlucky person struck by some incident, or death, or losing your backpack, we can kind of share this burden.

Leave a reply:

Your email address will not be published.