醫(yī)學(xué)研究人員已經(jīng)釋放了人工智能(AI)令人不安的能力:預(yù)測(cè)一個(gè)人的早逝。
科學(xué)家最近對(duì)AI系統(tǒng)進(jìn)行了培訓(xùn),以評(píng)估英國(guó)超過(guò)50萬(wàn)人提交的十年的一般健康數(shù)據(jù)。然后,他們?cè)谝豁?xiàng)新的研究中報(bào)告說(shuō),他們要求AI預(yù)測(cè)個(gè)體是否有因慢性病過(guò)早死亡的風(fēng)險(xiǎn)(換句話(huà)說(shuō),比平均預(yù)期壽命要早)。
首席研究作者史蒂芬·翁(Stephen Weng)博士是AI算法做出的關(guān)于早逝的預(yù)測(cè),其準(zhǔn)確性比不使用機(jī)器學(xué)習(xí)的模型所提供的預(yù)測(cè)要準(zhǔn)確得多。英國(guó)的諾丁漢(UN)在一份聲明中說(shuō)。
為了評(píng)估受試者過(guò)早死亡的可能性,研究人員測(cè)試了兩種類(lèi)型的AI:“深度學(xué)習(xí)”,其中分層的信息處理網(wǎng)絡(luò)幫助計(jì)算機(jī)從示例中學(xué)習(xí);和“隨機(jī)森林”,一種較簡(jiǎn)單的AI類(lèi)型,它結(jié)合了多個(gè)類(lèi)似樹(shù)的模型來(lái)考慮可能的結(jié)果。
然后,他們將AI模型的結(jié)論與標(biāo)準(zhǔn)算法(稱(chēng)為Cox模型)的結(jié)果進(jìn)行了比較。
科學(xué)家們使用這三種模型評(píng)估了英國(guó)生物銀行(UK Biobank)中的數(shù)據(jù),該數(shù)據(jù)庫(kù)是一個(gè)開(kāi)放的遺傳,物理和健康數(shù)據(jù)數(shù)據(jù)庫(kù),在2006年至2016年期間,共有50萬(wàn)人提交了該數(shù)據(jù)。在此期間,近14,500名參與者死亡,來(lái)自癌癥,心臟病和呼吸系統(tǒng)疾病。
所有這三個(gè)模型都確定諸如年齡,性別,吸煙史和先前的癌癥診斷等因素是評(píng)估一個(gè)人過(guò)早死亡的可能性的主要變量。研究人員發(fā)現(xiàn),但是這些模型在其他關(guān)鍵因素上存在分歧。
Cox模型嚴(yán)重依賴(lài)種族和體育活動(dòng),而機(jī)器學(xué)習(xí)模型則沒(méi)有。相比之下,根據(jù)這項(xiàng)研究,隨機(jī)森林模型更加強(qiáng)調(diào)體脂百分比,腰圍,人們吃的水果和蔬菜的數(shù)量以及膚色。對(duì)于深度學(xué)習(xí)模型,主要因素包括與工作有關(guān)的危害和空氣污染,酒精攝入和某些藥物的使用。
完成所有數(shù)字運(yùn)算后,深度學(xué)習(xí)算法可以提供最準(zhǔn)確的預(yù)測(cè),可以正確識(shí)別研究期間死亡的76%的受試者。相比之下,隨機(jī)森林模型正確預(yù)測(cè)了約64%的過(guò)早死亡,而Cox模型僅識(shí)別了約44%。
這不是專(zhuān)家們第一次利用AI在醫(yī)療保健方面的預(yù)測(cè)能力。2017年,一個(gè)不同的研究人員團(tuán)隊(duì)證明了AI可以學(xué)習(xí)發(fā)現(xiàn)阿爾茨海默氏病的早期征兆; Live Science 先前報(bào)道,他們的算法評(píng)估了大腦掃描,以預(yù)測(cè)一個(gè)人是否可能患上阿爾茨海默氏癥,并且這樣做的準(zhǔn)確率約為84%。
-
人工智能
+關(guān)注
關(guān)注
1789文章
46401瀏覽量
236649 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8325瀏覽量
132219
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論