諾丁漢大學(xué)的一項研究表明，人工智能和機器學(xué)習(xí)可以預(yù)測過早死亡，從而徹底變革預(yù)防醫(yī)療領(lǐng)域。
諾丁漢大學(xué)醫(yī)療數(shù)據(jù)科學(xué)家和醫(yī)生組成的團(tuán)隊，在一項針對40歲至69歲年齡段、50多萬人的研究中，開發(fā)并測試了他們基于計算機的機器學(xué)習(xí)算法系統(tǒng)，以預(yù)測慢性病早期死亡的風(fēng)險，稱取得了一定的成果。
該團(tuán)隊稱，他們的人工智能系統(tǒng)不僅“預(yù)測結(jié)果非常準(zhǔn)確”，而且“表現(xiàn)得比當(dāng)前由人類專家開發(fā)的標(biāo)準(zhǔn)預(yù)測方法更好”。這項研究發(fā)表在了PLOS ONE“醫(yī)療和生物醫(yī)學(xué)領(lǐng)域的機器學(xué)習(xí)”系列專題中。
諾丁漢大學(xué)的研究人員利用了英國生物樣本庫（UK Biobank）在2006年至2010年間收集到的人員健康數(shù)據(jù)信息，并一直追蹤到2016年。英國生物樣本庫是英國醫(yī)療研究的一項重要國家資源，其目標(biāo)是改善對嚴(yán)重疾病、危及生命疾病的預(yù)防、診斷和治療，包括癌癥、心臟病、中風(fēng)、糖尿病、關(guān)節(jié)炎、骨質(zhì)疏松、眼部疾病、抑郁癥和癡呆癥等。目前已經(jīng)有50萬人參與該項目，提供了他們的血液、尿液和唾液樣本供未來分析，以及他們個人的詳細(xì)信息，并同意該項目對他們的健康狀況進(jìn)行持續(xù)追蹤。
研究人員表示，他們通過這項對死亡率預(yù)測的新研究，推進(jìn)了該領(lǐng)域的人工智能發(fā)展。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博士說：“我們開發(fā)了一套獨特的整體方法，通過機器學(xué)習(xí)來預(yù)測過早死亡的風(fēng)險，從而在這一領(lǐng)域邁出了重要一步?！?/p>
“在嚴(yán)重疾病的預(yù)防中，預(yù)防性醫(yī)療措施越來越多地受到重視，因此多年來我們一直致力于提高對大眾的計算機化健康風(fēng)險評估準(zhǔn)確性。大多數(shù)應(yīng)用都集中在一個疾病領(lǐng)域，但預(yù)測不同疾病死亡結(jié)果是一個非常復(fù)雜的過程，特別是考慮到可能帶來影響的環(huán)境因素和個體因素?！?/p>
Weng說，他們使用計算機構(gòu)建新的風(fēng)險預(yù)測模型，將各種地理因素、生物因素、臨床和生活方式——包括每天對水果、蔬菜和肉類的消耗——納入對個人的評估中。
“我們將預(yù)測結(jié)果與來自國家統(tǒng)計局、英國癌癥登記以及醫(yī)院事件記錄的死亡率數(shù)據(jù)進(jìn)行比照，發(fā)現(xiàn)機器學(xué)習(xí)算法在預(yù)測死亡方面比人類專家開發(fā)的標(biāo)準(zhǔn)預(yù)測模型更加準(zhǔn)確?！?/p>
該研究中采用了“隨機森林”和“深度學(xué)習(xí)”等人工智能和機器學(xué)習(xí)模型。Weng說，他們反對傳統(tǒng)使用的基于年齡和性別的“Cox Regression”預(yù)測模型，因為這種模型在預(yù)測死亡率方面很不準(zhǔn)確。
這項新研究是建立諾丁漢大學(xué)團(tuán)隊此前的研究基礎(chǔ)之上，此前的研究表明，四種不同的人工智能算法——隨機森林、邏輯回歸、梯度增強和神經(jīng)網(wǎng)絡(luò)——在預(yù)測心血管疾病方面明顯優(yōu)于當(dāng)前心臟病學(xué)指南中所使用的算法。
這項研究與當(dāng)前最突出的研究領(lǐng)域（診斷和預(yù)后領(lǐng)域）保持一致，并且在這個領(lǐng)域機器學(xué)習(xí)也在快速普及中。傳統(tǒng)上說，預(yù)后（prognosis）是依賴于統(tǒng)計數(shù)據(jù)進(jìn)行預(yù)測的，例如，預(yù)測某人未來患心臟病的風(fēng)險。這種方法已經(jīng)被證明有較高的預(yù)測準(zhǔn)確性，并且得到了各種驗證研究的驗證和復(fù)制?！耙虼?，對于使用機器學(xué)習(xí)開發(fā)的應(yīng)用和算法來說，挑戰(zhàn)不僅在于增強傳統(tǒng)方法所能實現(xiàn)的結(jié)果，還要以類似透明和可復(fù)制的方式開發(fā)和報告結(jié)果?！?/p>
作者這樣寫道：“在大數(shù)據(jù)時代，人們非常樂觀地認(rèn)為，機器學(xué)習(xí)可以徹底變革醫(yī)療領(lǐng)域，為臨床醫(yī)生提供診斷評估和個性化治療決策的方法。機器學(xué)習(xí)技術(shù)依賴于機器引導(dǎo)的計算方法——而不是人類引導(dǎo)的數(shù)據(jù)分析——以便在更標(biāo)準(zhǔn)的統(tǒng)計方法中將函數(shù)與數(shù)據(jù)進(jìn)行匹配。機器學(xué)習(xí)仍然可以使用我們熟知的模型例如邏輯回歸，同時其他很多機器學(xué)習(xí)技術(shù)并不適用預(yù)先確定的方法。例如，人工神經(jīng)網(wǎng)絡(luò)會確定‘最佳函數(shù)’，有效地對不同變量之間所有復(fù)雜關(guān)系和非線性關(guān)系進(jìn)行建模，同時最大程度上減少預(yù)測結(jié)果和觀察結(jié)果之間的誤差?！?/p>
使用標(biāo)準(zhǔn)方法的預(yù)后建模已經(jīng)得到了公認(rèn)，特別是用于預(yù)測患單一疾病的風(fēng)險。作者這樣寫道：“我們最近的一項研究將機器學(xué)習(xí)方法用于常規(guī)初級醫(yī)療數(shù)據(jù)進(jìn)行的預(yù)后建模，結(jié)果表明預(yù)測心血管疾病的準(zhǔn)確性有所提高......機器學(xué)習(xí)還可以用于探索更復(fù)雜的、具有多因素因果關(guān)系的結(jié)果，例如過早死亡?！?/p>
諾丁漢大學(xué)團(tuán)隊表示，未來他們將致力于研究他們開發(fā)的人工智能算法是否適用于其他人群。他們希望繼續(xù)探索將這些系統(tǒng)用于其他日常醫(yī)療中的方法。研究人員預(yù)測，在未來開發(fā)能夠為個體患者提供個性化醫(yī)療和定制風(fēng)險管理的工具方面，人工智能將發(fā)揮至關(guān)重要的作用。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
