通過人工智能來預測壽命不再是神話了。這是來自諾丁漢大學科學家的研究所作出的結論。

相對于專家開發的標準預測方法，人工智能預測人類的過早死更加精確。這項研究近期發表在期刊《公共科學圖書館·綜合》(PLoS One)上。作者稱，未來，這些機器學習系統可以應用到患者的個性化醫療和風險管理的個人定制中來。

50萬人的研究

這是一項針對 40 歲至 69 歲年齡段 50 多萬人的研究，研究人員利用了英國生物樣本庫(UK Biobank) 2006 年至 2010 年間收集到的人員健康數據，并追蹤到了 2016 年。

諾丁漢大學流行病學和數據科學助理教授 Stephen Weng 主持了這項研究，他多年來致力于提高計算機評估健康風險的準確性，此前的風險評估大都針對一種具體的疾病，而這次針對死亡的風險評估就要復雜得多，需要考慮可能影響其死亡風險的環境因素和個體因素。

他們使用了新的計算機風險預測模型，將人口統計因素、生物因素、臨床和生活方式納入了評估當中，甚至考慮了人們每天對水果、蔬菜和肉類的消耗。在將預測結果與來自國家統計局、英國癌癥登記以及醫院事件記錄數據比照后發現，相較專家開發的標準預測方法，用人工智能的機器學習算法來預測死亡更加精確。

機器學習技術依賴于機器引導的算法，而非人工賦予的數據，它從數據中自動分析獲得規律，并利用規律對未知數據進行預測，比如人工神經網絡可以確定最優函數，將預測結果和真實結果之間的結果最小化。該研究中采用了被稱作“隨機森林”和“深度學習”的機器學習技術，研究者舍棄了傳統的基于年齡和性別的Cox回歸模型(比例風險回歸模型)。結果發現，相較于不夠準確的簡單基于年齡和性別的Cox回歸模型，機器學習系統能夠分別提高 9.4 %和 10.1 %的精確率。

研究特色：樣本庫和變量選取

為什么選取英國生物樣本庫數據呢?英國生物銀行是一個大型的前瞻性人口群體，該庫通過問卷和護士問詢收集了 50 萬人的遺傳、身體和健康數據，包括社會人口統計學、行為、營養、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，這些數據針對研究人員是開放的。這是一個獨有的研究過早死的機會，因為自 2006 年開始登記以來，研究對象中所有的死亡都低于英國人口的預期壽命。

在英國生物樣本庫數據 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，更多是那些受教育程度低、慢性病史多、體檢結果差、生活方式不健康的人，當然貧困人口也更多。

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 %)。第二常見的死亡原因是循環系統疾病，主要是冠心病和腦血管疾病。

研究者選取了 15 個變量，包括舒張壓和收縮壓、 BMI (身體質量指數)、 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 Cox 模型與隨機森林、深度學習進行發現，在預測死亡方面最重要的風險變量存在重疊。值得注意的是，三種方法都確定了 15 個變量中的 6 個，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，而兩種機器學習未納入。隨機森林模型強調了腰圍、體脂百分比和健康飲食(蔬菜和水果消費)，甚至還納入了膚色指標，而深度學習模型強調了酒精攝入、藥物處方以及住宅空氣污染與職業危險暴露等環境因素。

最終，深度學習算法提供了最準確的預測，正確識別了 76 %在研究期間死亡的受試者，隨機森林模型正確預測了約 64 %的過早死亡，而 Cox 模型僅確定了約44%。

這次研究是第一次采用機器學習技術進行死亡這類復雜因素的研究。不過作者承認，機器學習技術仍存在限制，比如黑盒子問題，也就是深度學習的決策過程不易解釋，人們只能看到數據輸入與決策輸出，但內中詳情卻無從知曉。這會讓醫生、患者以及監管部門心存顧慮。

關鍵詞：