迄今最准确方法诞生！AI预测过早死亡风险，准确率高达76%

药明康德AI/报道

人工智能已经在很多领域都取得了突破，为我们的生活也带来了很大的便利。然而，今天我们要介绍的这项研究成果，可能会让正在阅读这篇文章的你感到有一些不安：近日，来自英国诺丁汉大学的研究人员开发了一种算法，可以预测人们过早死亡的几率，其准确率达到了76%，高于目前现有的所有预测模型结果。研究成果发表在了《PLOS ONE》上。

图片来源：123RF

为了更好的对过早死亡风险进行预测，研究人员使用了两种不同类型的人工智能模型进行测试。其中一种模型是深度学习（deep learning）模型，通过分层信息处理网络帮助计算机从示例中学习。而另外一种是“随机森林”（random forest）模型，可以结合多种树状模型来考虑可能的结果。研究人员将这两种模型与人类医生研发的传统预测死亡时间的“Cox模型”进行了对比和验证。

在实际算法验证中，研究人员使用了来自UK Biobank 2006年至2010年间50多万人的健康数据，这些人的年龄都在40至69岁之间，对他们的随访一直持续到2016年。在2006年至2010年间，所有研究参与者中有将近14500人死亡，其主要死亡原因是癌症及其他疾病。结果显示，深度学习模型预测人们过早死亡的准确率最高，为76%；其次是随机森林模型，预测准确率为64%；而传统预测方式Cox模型的准确率只有44%，在三种模型中最低。

研究人员研究的基本变量包括参与者的性别、年龄、吸烟状况等。除此之外，不同的预测模型侧重的因素也各有不同。Cox模型在很大程度上倾向种族和身体活动等因素，而擅长机器学习的人工智能模型并不看重这些。随机森林模型更强调体脂、血压、人们所吃水果和蔬菜的数量以及肤色，而深度学习模型最看重与工作相关的危害、空气污染、酒精摄入以及特定药物使用情况等因素。

▲不同算法预测死亡风险的频率分布（图片来源：《PLOS ONE》）

“在与严重疾病的斗争中，预防性医疗的重要性正在日益增加。因此，多年来我们一直在努力提高计算机评估普通人群健康风险的准确性，”该研究的第一作者、诺丁汉大学流行病学和数据科学助理教授 Stephen Weng 博士表示：“我们在这一领域迈出了一大步，利用计算机建立全新的风险预测模型，通过人口统计学、生物统计学、临床和生活方式等因素，使用机器学习来评估一个人过早死亡的风险。”

研究人员表示，未来的人工智能将在研发提供个性化药物的方式上发挥重要作用，为个体患者量身定制一系列的风险管理措施。目前，研究人员正在更多的人群中验证他们开发的AI算法，并进一步探索将这一系统应用到日常医疗中的方法。

虽然计算机只能给出一个冷冰冰的数字，来表明一个人的过早死亡风险，但这个数字无疑可以为我们敲响警钟，让我们通过改变自身生活习惯等方式，来提高自身的健康水平，享受更加丰富的人生。

参考资料：

[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

更多精彩文章：

大家关注的公众号越来越多，找不到“药明康德AI”怎么办？简单四步，将“药明康德AI”设置为星标公众号，问题即可解决。

点“好看”，分享AI健康新动态