比传统方法更好,AI 预测过早死亡风险準确率逾 7 成

人类对 AI 应用的期待,已经到了无所不能的神话境界,最近英国医学研究人员解开 AI 令人不安的能力,即预测一个人的早逝。且科学家发现透过 AI 演算法的早期死亡预测,比传统研究人员使用的预测方法更準确。

英国诺丁汉大学(University of Nottingham)科学家最近训练 AI 系统来评估 2006~2016 年英国超过 50 万人的一般健康数据,在这十年期间,将近 14,500 人死亡,主要是因癌症、心脏病和呼吸系统疾病。

然后科学家使用 AI 预测个体是否有过早死亡的风险。为了评估受试者过早死亡的可能性,研究人员测试两种类型 AI,一种是深度学习,分层资讯处理网路帮助电脑从案例中学习,另一种是一种更简单的 AI,叫随机森林(Random Forest),结合多个树状模型来考虑可能的结果。然后,他们将 AI 模型的结论与广为应用的一种迴归分析模型,简称为 Cox 模型的结果比较。

这 3 个模型都确定年龄、性别、吸菸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 3 种模型仍有不同的关键变量,如 Cox 模型在很大程度上倾向种族和身体活动,随机森林模型更强调体脂百分比、腰围、人们吃的水果和蔬菜数量及肤色。对深度学习模型,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。

完成所有运算后,深度学习演算法提供最準确的预测,正确辨识 76% 在研究期间死亡的受试者。相比之下,随机森林模型正确预测约 64% 过早死亡,而 Cox 模型仅辨识出约 44%。

诺丁汉大学科学家认为,AI 将在未来工具开发方面发挥重要作用,这些工具能提供个性化医疗,为个体患者量身订做风险管理方案。该研究已发表在《公共科学图书馆:综合》(PLOS ONE)特刊《Machine Learning in Health and Biomedicine》。

这不是专家第一次利用 AI 做医疗预测。2017 年,另一研究团队证明 AI 可透过学习大脑的扫描档案,发现阿兹海默症的早期症状,且準确度约为 84%。另一项研究发现,AI 可预测 6 个月大婴儿的自闭症发病率。另一项研究让 AI 透过分析视网膜扫描来检测糖尿病迹象,还有一个研究也使用视网膜扫描数据预测患者心脏病发作或中风的可能性。

AI Is Good (Perhaps Too Good) at Predicting Who Will Die Prematurely Artificial intelligence can predict premature death, study finds

(首图来源:Flickr/Pâmela Soares CC BY 2.0)