醫(yī)學(xué)研究人員已經(jīng)釋放了人工智能（AI）令人不安的能力：預(yù)測一個人的早逝。

科學(xué)家最近對AI系統(tǒng)進行了培訓(xùn)，以評估英國超過50萬人提交的十年的一般健康數(shù)據(jù)。然后，他們在一項新的研究中報告說，他們要求AI預(yù)測個體是否有因慢性病過早死亡的風(fēng)險（換句話說，比平均預(yù)期壽命要早）。

首席研究作者史蒂芬·翁（Stephen Weng）博士是AI算法做出的關(guān)于早逝的預(yù)測，其準(zhǔn)確性比不使用機器學(xué)習(xí)的模型所提供的預(yù)測要準(zhǔn)確得多。英國的諾丁漢（UN）在一份聲明中說。

為了評估受試者過早死亡的可能性，研究人員測試了兩種類型的AI：“深度學(xué)習(xí)”，其中分層的信息處理網(wǎng)絡(luò)幫助計算機從示例中學(xué)習(xí);和“隨機森林”，一種較簡單的AI類型，它結(jié)合了多個類似樹的模型來考慮可能的結(jié)果。

然后，他們將AI模型的結(jié)論與標(biāo)準(zhǔn)算法（稱為Cox模型）的結(jié)果進行了比較。

科學(xué)家們使用這三種模型評估了英國生物銀行（UK Biobank）中的數(shù)據(jù)，該數(shù)據(jù)庫是一個開放的遺傳，物理和健康數(shù)據(jù)數(shù)據(jù)庫，在2006年至2016年期間，共有50萬人提交了該數(shù)據(jù)。在此期間，近14，500名參與者死亡，來自癌癥，心臟病和呼吸系統(tǒng)疾病。

所有這三個模型都確定諸如年齡，性別，吸煙史和先前的癌癥診斷等因素是評估一個人過早死亡的可能性的主要變量。研究人員發(fā)現(xiàn)，但是這些模型在其他關(guān)鍵因素上存在分歧。

Cox模型嚴(yán)重依賴種族和體育活動，而機器學(xué)習(xí)模型則沒有。相比之下，根據(jù)這項研究，隨機森林模型更加強調(diào)體脂百分比，腰圍，人們吃的水果和蔬菜的數(shù)量以及膚色。對于深度學(xué)習(xí)模型，主要因素包括與工作有關(guān)的危害和空氣污染，酒精攝入和某些藥物的使用。

完成所有數(shù)字運算后，深度學(xué)習(xí)算法可以提供最準(zhǔn)確的預(yù)測，可以正確識別研究期間死亡的76%的受試者。相比之下，隨機森林模型正確預(yù)測了約64%的過早死亡，而Cox模型僅識別了約44%。

這不是專家們第一次利用AI在醫(yī)療保健方面的預(yù)測能力。2017年，一個不同的研究人員團隊證明了AI可以學(xué)習(xí)發(fā)現(xiàn)阿爾茨海默氏病的早期征兆; Live Science 先前報道，他們的算法評估了大腦掃描，以預(yù)測一個人是否可能患上阿爾茨海默氏癥，并且這樣做的準(zhǔn)確率約為84%。