人工智慧已經在很多領域都取得了突破，為我們的生活也帶來了很大的便利。然而，今天我們要介紹的這項研究成果，可能會讓正在閱讀這篇文章的你感到有一些不安：近日，來自英國諾丁漢大學的研究人員開發了一種演算法，可以預測人們過早死亡的機率，其準確率達到了76%，高於目前現有的所有預測模型結果。研究成果發表在了《PLOS ONE》上。
圖片來源：123RF
為了更好的對過早死亡風險進行預測，研究人員使用了兩種不同型別的人工智慧模型進行測試。其中一種模型是深度學習（deep learning）模型，通過分層資訊處理網路幫助計算機從示例中學習。而另外一種是“隨機森林”（random forest）模型，可以結合多種樹狀模型來考慮可能的結果。研究人員將這兩種模型與人類醫生研發的傳統預測死亡時間的“Cox模型”進行了對比和驗證。
在實際演算法驗證中，研究人員使用了來自UK Biobank 2006年至2010年間50多萬人的健康資料，這些人的年齡都在40至69歲之間，對他們的隨訪一直持續到2016年。在2006年至2010年間，所有研究參與者中有將近14500人死亡，其主要死亡原因是癌症及其他疾病。結果顯示，深度學習模型預測人們過早死亡的準確率最高，為76%；其次是隨機森林模型，預測準確率為64%；而傳統預測方式Cox模型的準確率只有44%，在三種模型中最低。
研究人員研究的基本變數包括參與者的性別、年齡、吸菸狀況等。除此之外，不同的預測模型側重的因素也各有不同。Cox模型在很大程度上傾向種族和身體活動等因素，而擅長機器學習的人工智慧模型並不看重這些。隨機森林模型更強調體脂、血壓、人們所吃水果和蔬菜的數量以及膚色，而深度學習模型最看重與工作相關的危害、空氣汙染、酒精攝入以及特定藥物使用情況等因素。
▲不同演算法預測死亡風險的頻率分佈（圖片來源：《PLOS ONE》）
“在與嚴重疾病的鬥爭中，預防性醫療的重要性正在日益增加。因此，多年來我們一直在努力提高計算機評估普通人群健康風險的準確性，”該研究的第一作者、諾丁漢大學流行病學和資料科學助理教授 Stephen Weng 博士表示：“我們在這一領域邁出了一大步，利用計算機建立全新的風險預測模型，通過人口統計學、生物統計學、臨床和生活方式等因素，使用機器學習來評估一個人過早死亡的風險。”
研究人員表示，未來的人工智慧將在研發提供個性化藥物的方式上發揮重要作用，為個體患者量身定製一系列的風險管理措施。目前，研究人員正在更多的人群中驗證他們開發的AI演算法，並進一步探索將這一系統應用到日常醫療中的方法。
雖然計算機只能給出一個冷冰冰的數字，來表明一個人的過早死亡風險，但這個數字無疑可以為我們敲響警鐘，讓我們通過改變自身生活習慣等方式，來提高自身的健康水平，享受更加豐富的人生。
參考資料：
[1] Weng, et al., (2019). Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches. PLOS ONE, doi: 10.1371/journal.pone.0214365
[2] Artificial intelligence can predict premature death, study finds. Retrieved April 3, 2019, from https://www.eurekalert.org/pub_releases/2019-03/uon-aic032519.php
[3] Can a computer tell you when you're going to die? Retrieved April 3, 2019, from https://www.foxnews.com/tech/can-a-computer-tell-you-when-youre-going-to-die