Det uppger Pensionsskyddscentralen där man har man testat maskininlärningsmetoder med vad man kallar lovande resultat.

Det som bäst förutsade arbetsoförmåga var enligt centralen hög ålder, riklig användning av sjukdagpenning och rehabiliteringspenning och låga förvärvsinkomster. Andra faktorer som förebådade sjukpension var låg utbildningsnivå, arbetslöshet och ogift status.

– Nästan fyra av fem är ett synnerligen lovande resultat. Sannolikt kan vi öka prognosens exakthet genom att lägga till ytterligare social- och hälsodata, säger Jarno Varis, matematiker på Pensionsskyddscentralen, i ett pressmeddelande.

Som material användes anonymiserade uppgifter om 500.000 personer ur Pensionsskyddscentralens register. Genom att jämföra sjukpensionerade och arbetsföra personer lärde algoritmen sig att identifiera de variabler som ofta resulterade i sjukpension.

Bäst förutsade artificiell intelligens sjukpensioner som berodde på sjukdomar i rörelseorganen och sjukdomar i andningsorganen. Den var också bättre på att förutsäga egentliga sjukpensioner än rehabiliteringsstöd.

– Pensionsskyddscentralens omfattande registerdata ger en bra utgångspunkt för att utnyttja artificiell intelligens i informationsproduktionen. När det blir lättare att kombinera mera omfattande datamaterial, erbjuder artificiell intelligens ett redskap för att allt bättre identifiera riskgrupper och vidta åtgärder för att förebygga arbetsoförmåga, säger Mikko Kautto, direktör på Pensionsskyddscentralen.

Pensionsskyddscentralens projekt genomfördes i samarbete med Siili Solutions. All databehandling i samband med försöket skedde inom Pensionsskyddscentralens driftsmiljö utan molntjänster.