發(fā)布日期：2019-04-10
通過(guò)人工智能來(lái)預(yù)測(cè)壽命不再是神話了。這是來(lái)自諾丁漢大學(xué)科學(xué)家的研究所作出的結(jié)論。
相對(duì)于專家開(kāi)發(fā)的標(biāo)準(zhǔn)預(yù)測(cè)方法，人工智能預(yù)測(cè)人類的過(guò)早死更加精確。這項(xiàng)研究近期發(fā)表在期刊《公共科學(xué)圖書(shū)館·綜合》（PLoS One）上。作者稱，未來(lái)，這些機(jī)器學(xué)習(xí)系統(tǒng)可以應(yīng)用到患者的個(gè)性化醫(yī)療和風(fēng)險(xiǎn)管理的個(gè)人定制中來(lái)。
50萬(wàn)人的研究
這是一項(xiàng)針對(duì)40歲至69歲年齡段50多萬(wàn)人的研究，研究人員利用了英國(guó)生物樣本庫(kù)（UK Biobank）2006年至2010年間收集到的人員健康數(shù)據(jù)，并追蹤到了2016年。
諾丁漢大學(xué)流行病學(xué)和數(shù)據(jù)科學(xué)助理教授 Stephen Weng 主持了這項(xiàng)研究，他多年來(lái)致力于提高計(jì)算機(jī)評(píng)估健康風(fēng)險(xiǎn)的準(zhǔn)確性，此前的風(fēng)險(xiǎn)評(píng)估大都針對(duì)一種具體的疾病，而這次針對(duì)死亡的風(fēng)險(xiǎn)評(píng)估就要復(fù)雜得多，需要考慮可能影響其死亡風(fēng)險(xiǎn)的環(huán)境因素和個(gè)體因素。
他們使用了新的計(jì)算機(jī)風(fēng)險(xiǎn)預(yù)測(cè)模型，將人口統(tǒng)計(jì)因素、生物因素、臨床和生活方式納入了評(píng)估當(dāng)中，甚至考慮了人們每天對(duì)水果、蔬菜和肉類的消耗。在將預(yù)測(cè)結(jié)果與來(lái)自國(guó)家統(tǒng)計(jì)局、英國(guó)癌癥登記以及醫(yī)院事件記錄數(shù)據(jù)比照后發(fā)現(xiàn)，相較專家開(kāi)發(fā)的標(biāo)準(zhǔn)預(yù)測(cè)方法，用人工智能的機(jī)器學(xué)習(xí)算法來(lái)預(yù)測(cè)死亡更加精確。
機(jī)器學(xué)習(xí)技術(shù)依賴于機(jī)器引導(dǎo)的算法，而非人工賦予的數(shù)據(jù)，它從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)，比如人工神經(jīng)網(wǎng)絡(luò)可以確定最優(yōu)函數(shù)，將預(yù)測(cè)結(jié)果和真實(shí)結(jié)果之間的結(jié)果最小化。該研究中采用了被稱作“隨機(jī)森林”和“深度學(xué)習(xí)”的機(jī)器學(xué)習(xí)技術(shù)，研究者舍棄了傳統(tǒng)的基于年齡和性別的Cox回歸模型（比例風(fēng)險(xiǎn)回歸模型）。結(jié)果發(fā)現(xiàn)，相較于不夠準(zhǔn)確的簡(jiǎn)單基于年齡和性別的Cox回歸模型，機(jī)器學(xué)習(xí)系統(tǒng)能夠分別提高9.4％和10.1％的精確率。
研究特色：樣本庫(kù)和變量選取
為什么選取英國(guó)生物樣本庫(kù)數(shù)據(jù)呢？英國(guó)生物銀行是一個(gè)大型的前瞻性人口群體，該庫(kù)通過(guò)問(wèn)卷和護(hù)士問(wèn)詢收集了50萬(wàn)人的遺傳、身體和健康數(shù)據(jù)，包括社會(huì)人口統(tǒng)計(jì)學(xué)、行為、營(yíng)養(yǎng)、生活方式、藥物治療史和臨床病史，也包括志愿者的血液、唾液和尿液樣本，這些數(shù)據(jù)針對(duì)研究人員是開(kāi)放的。這是一個(gè)獨(dú)有的研究過(guò)早死的機(jī)會(huì)，因?yàn)樽?006年開(kāi)始登記以來(lái)，研究對(duì)象中所有的死亡都低于英國(guó)人口的預(yù)期壽命。
在英國(guó)生物樣本庫(kù)數(shù)據(jù)502625人中，研究者累積隨訪3508454人年，有14418例死亡。隨訪期間死亡案例中，男性（60.7%）多于女性（39.3%），死者的平均年齡為61.3 歲，高于活著的平均年齡56.4歲。死者中白種人少見(jiàn)，更多是那些受教育程度低、慢性病史多、體檢結(jié)果差、生活方式不健康的人，當(dāng)然貧困人口也更多。
死亡的主要原因是癌癥（65.7％），特別是消化器官的癌癥（19.2％）和呼吸器官的癌癥（12.7％）。第二常見(jiàn)的死亡原因是循環(huán)系統(tǒng)疾病，主要是冠心病和腦血管疾病。
研究者選取了15個(gè)變量，包括舒張壓和收縮壓、 BMI（身體質(zhì)量指數(shù)）、 FEV1（一秒用力呼氣容積）、吸煙、鍛煉、年齡、性別、種族、教育水平、貧困水平以及癌癥、冠心病、2型糖尿病、慢性阻塞性肺疾病等四種慢性病。
通過(guò) Cox模型與隨機(jī)森林、深度學(xué)習(xí)進(jìn)行發(fā)現(xiàn)，在預(yù)測(cè)死亡方面最重要的風(fēng)險(xiǎn)變量存在重疊。值得注意的是，三種方法都確定了15個(gè)變量中的6個(gè)，即年齡、癌癥的先前診斷、性別、吸煙、FEV1和教育水平。
種族和身體鍛煉被 Cox模型納入重要考量指標(biāo)，而兩種機(jī)器學(xué)習(xí)未納入。隨機(jī)森林模型強(qiáng)調(diào)了腰圍、體脂百分比和健康飲食（蔬菜和水果消費(fèi)），甚至還納入了膚色指標(biāo)，而深度學(xué)習(xí)模型強(qiáng)調(diào)了酒精攝入、藥物處方以及住宅空氣污染與職業(yè)危險(xiǎn)暴露等環(huán)境因素。
最終，深度學(xué)習(xí)算法提供了最準(zhǔn)確的預(yù)測(cè)，正確識(shí)別了76％在研究期間死亡的受試者，隨機(jī)森林模型正確預(yù)測(cè)了約64％的過(guò)早死亡，而Cox模型僅確定了約44％。
這次研究是第一次采用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行死亡這類復(fù)雜因素的研究。不過(guò)作者承認(rèn)，機(jī)器學(xué)習(xí)技術(shù)仍存在限制，比如黑盒子問(wèn)題，也就是深度學(xué)習(xí)的決策過(guò)程不易解釋，人們只能看到數(shù)據(jù)輸入與決策輸出，但內(nèi)中詳情卻無(wú)從知曉。這會(huì)讓醫(yī)生、患者以及監(jiān)管部門心存顧慮。
來(lái)源：DeepTech深科技
