人工智能在预测谁将过早死亡方面是好的

医学研究人员已经解开了人工智能(AI)中令人不安的能力：预测一个人的早逝。

科学家最近训练了一个人工智能系统来评估英国50多万人提交的十年一般健康数据。然后，他们要求人工智能预测个体是否有过早死亡的风险 - 换句话说，比平均预期寿命更早 - 来自慢性疾病，他们在一项新研究中报道。

通过人工智能算法做出的早期死亡预测比不使用机器学习的模型提供的预测“更加准确”，首席研究作者Stephen Weng博士，大学流行病学和数据科学助理教授英国诺丁汉(UN)在一份声明中表示。

为了评估受试者过早死亡的可能性，研究人员测试了两种类型的AI：“深度学习”，其中分层信息处理网络帮助计算机从示例中学习; 和“随机森林”，一种更简单的AI，它结合了多个树状模型来考虑可能的结果。

然后，他们将AI模型的结论与标准算法(称为Cox模型)的结果进行了比较。

使用这三种模型，科学家们评估了英国生物库 - 一个遗传，物理和健康数据的开放存取数据库 - 在2006年至2016年期间由超过50万人提交的数据。在此期间，将近14,500名参与者死亡，主要是来自癌症，心脏病和呼吸系统疾病。

不同的变量

这三个模型都确定了年龄，性别，吸烟史和既往癌症诊断等因素是评估一个人早逝可能性的最重要变量。但研究人员发现，模型与其他关键因素不同。

Cox模型在很大程度上倾向于种族和身体活动，而机器学习模型却没有。相比之下，随机森林模型更加强调体脂百分比，腰围，人们吃的水果和蔬菜的数量，以及肤色。对于深度学习模型，最重要的因素包括接触与工作相关的危害和空气污染，酒精摄入和使用某些药物。

当完成所有数字运算时，深度学习算法提供了最准确的预测，正确识别了76%在研究期间死亡的受试者。相比之下，随机森林模型正确地预测了约64%的过早死亡，而Cox模型仅确定了约44%。

这不是专家第一次利用AI对医疗保健的预测能力。2017年，一个不同的研究团队证明AI可以学习发现阿尔茨海默病的早期症状; 据 Live Science 先前报道，他们的算法评估了大脑扫描，以预测一个人是否有可能患上老年痴呆症，而且这种方法的准确度大约为84%。

另一项研究发现，人工智能可以预测出现这种疾病的高风险的6个月大婴儿的自闭症发病率。另一项研究可以通过分析视网膜扫描来检测糖尿病侵袭的迹象 ; 还有一个 - 也使用来自视网膜扫描的数据 - 预测了患者心脏病发作或中风的可能性。

联合国初级保健教授共同作者乔凯在声明中说，在这项新研究中，科学家证明机器学习 - “经过仔细调整” - 可用于成功预测死亡率随时间的变化。

虽然使用人工智能这种方式可能对许多医疗保健专业人员来说并不熟悉，但研究中使用的方法“可能有助于科学验证和这个激动人心的领域的未来发展，”Kai说。