诺丁汉大学研究发现：人工智能可准确预测过早死亡

诺丁汉大学的一项研究指出，人工智能和机器学习可以预测过早丧生，从而完全变革防治医疗领域。诺丁汉大学医疗数据科学家和医生构成的团队，在一项针对40岁至69岁年龄段、50多万人的研究中，研发并测试了他们基于计算机的机器学习算法系统，以预测慢性病早期丧生的风险，称之为获得了一定的成果。该团队称之为，他们的人工智能系统不仅“预测结果十分精确”，而且“展现出得比当前由人类专家研发的标准预测方法更佳”。

这项研究公开发表在了PLOSONE“医疗和生物医学领域的机器学习”系列专题中。诺丁汉大学的研究人员利用了英国生物样本库（UKBiobank）在2006年至2010年间搜集到的人员身体健康数据信息，并仍然跟踪到2016年。英国生物样本库是英国医疗研究的一项最重要国家资源，其目标是提高对相当严重疾病、严重威胁生命疾病的防治、临床和化疗，还包括癌症、心脏病、中风、糖尿病、关节炎、骨质疏松、眼部疾病、抑郁症和痴呆症等。

目前早已有50万人参予该项目，获取了他们的血液、尿液和唾液样本可供未来分析，以及他们个人的详细信息，并表示同意该项目对他们的健康状况展开持续跟踪。研究人员回应，他们通过这项对死亡率预测的新研究，前进了该领域的人工智能发展。诺丁汉大学流行病学和数据科学助理教授StephenWeng博士说道：“我们研发了一套独有的整体方法，通过机器学习来预测过早丧生的风险，从而在这一领域迈进了最重要一步。

”“在相当严重疾病的防治中，预防性医疗措施更加多地受到重视，因此多年来我们仍然致力于提升对大众的计算机化身体健康风险评估准确性。大多数应用于都集中于在一个疾病领域，但预测有所不同疾病丧生结果是一个非常复杂的过程，尤其是考虑到有可能带给影响的环境因素和个体因素。

”Weng说道，他们用于计算机建构新的风险预测模型，将各种地理因素、生物因素、临床和生活方式——还包括每天对水果、蔬菜和肉类的消耗——划入对个人的评估中。“我们将预测结果与来自国家统计局、英国癌症注册以及医院事件记录的死亡率数据展开比照，找到机器学习算法在预测丧生方面比人类专家研发的标准预测模型更为精确。

”该研究中使用了“随机森林”和“深度自学”等人工智能和机器学习模型。Weng说道，他们赞成传统用于的基于年龄和性别的“CoxRegression”预测模型，因为这种模型在预测死亡率方面很不精确。这项新的研究是创建诺丁汉大学团队此前的研究基础之上，此前的研究指出，四种有所不同的人工智能算法——随机森林、逻辑重返、梯度强化和神经网络——在预测心血管疾病方面显著高于当前心脏病学指南中所用于的算法。

这项研究与当前最引人注目的研究领域（临床和肾功能领域）保持一致，并且在这个领域机器学习也在较慢普及中。传统上说道，肾功能（prognosis）是依赖统计数据展开预测的，例如，预测某人未来患心脏病的风险。这种方法早已被证明有较高的预测准确性，并且获得了各种检验研究的检验和拷贝。

“因此，对于用于机器学习研发的应用于和算法来说，挑战不仅在于强化传统方法所能构建的结果，还要以类似于半透明和可拷贝的方式研发和报告结果。”作者这样写到：“在大数据时代，人们十分悲观地指出，机器学习可以完全变革医疗领域，为临床医生获取临床评估和个性化化疗决策的方法。机器学习技术依赖机器引领的计算方法——而不是人类引领的数据分析——以便在更加标准的统计资料方法中将函数与数据展开给定。机器学习依然可以用于我们熟悉的模型例如逻辑重返，同时其他很多机器学习技术并不限于预先确定的方法。

例如，人工神经网络不会确认‘最佳函数’，有效地对有所不同变量之间所有简单关系和非线性关系展开建模，同时仅次于程度上增加预测结果和仔细观察结果之间的误差。”用于标准方法的肾功能建模早已获得了普遍认为，尤其是用作预测患单一疾病的风险。作者这样写到：“我们最近的一项研究将机器学习方法用作常规初级医疗数据展开的肾功能建模，结果表明预测心血管疾病的准确性有所提高......机器学习还可以用作探寻更加简单的、具备多因素因果关系的结果，例如过早丧生。

”诺丁汉大学团队回应，未来他们将致力于研究他们研发的人工智能算法否限于于其他人群。他们期望之后探寻将这些系统用作其他日常医疗中的方法。研究人员预测，在未来研发需要为个体患者获取个性化医疗和自定义风险管理的工具方面，人工智能将充分发挥至关重要的起到。

本文来源：银河galaxy娱乐游戏-www.painreliefbasics.com