以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：医学研究人员已经在人工智能中开启了一种令人不安的能力：预测一个人的早死。然后，他们将人工智能模型的结论与标准算法的结果进行了比较。Cox模型严重依赖于种族和体力活动，而机器学习模型则没有。相比之下，随机森林模型正确预测了约64%的早死率，而Cox模型仅识别了约44%。这不是专家们第一次利用人工智能的预测能力进行医疗保健。另一项研究发现，人工智能可以预测6个月大的婴儿患自闭症的风险，这些婴儿患自闭症的风险很高。
医学研究人员已经在人工智能（AI）中开启了一种令人不安的能力：预测一个人的早死。
科学家最近训练了一个人工智能系统，用以评估英国50多万人提交的10年一般健康数据。他们在一项新的研究中报告说，然后，他们让人工智能预测个体是否有死于慢性病的风险，换句话说，比平均预期寿命更早。人工智能算法对早期死亡的预测比英国诺丁汉大学（UN）的流行病学和数据科学助理教授Stephen Weng博士在一份声明中说，没有使用机器学 ... 模型。[机器能创造吗？与9位人工智能“艺术家”]
会面，评估受试者过早死亡的可能性，研究人员测试了两种人工智能：“深度学习”，其中分层信息处理网络帮助计算机从示例中学习；以及“随机森林”，一种更简单的人工智能，它结合了多种人工智能技术，考虑可能结果的树状模型。
然后，他们将人工智能模型的结论与标准算法（即Cox模型）的结果进行了比较。
利用这三个模型，科学家们评估了英国生物银行（一个开放存取的遗传数据库）的数据，2006年至2016年间超过500000人提交的身体和健康数据。在此期间，近14500名参与者死亡，主要死于癌症、心脏病和呼吸系统疾病。
不同变量三种模型均确定了年龄、性别等因素，吸烟史和先前的癌症诊断是评估一个人早期死亡可能性的首要变量。但研究人员发现，这些模型在其他关键因素上存在分歧。
Cox模型严重依赖于种族和体力活动，而机器学习模型则没有。研究显示，相比之下，随机森林模型更强调身体脂肪百分比、腰围、人们食用的水果和蔬菜的数量以及肤色。对于深度学习模型，首要因素包括暴露于与工作相关的危险和空气污染、酒精摄入和某些药物的使用。
当所有的数字运算完成时，深度学习算法提供了最准确的预测，正确识别研究期间死亡的受试者的76%。相比之下，随机森林模型正确预测了约64%的早死率，而Cox模型仅识别了约44%。
这不是专家们第一次利用人工智能的预测能力进行医疗保健。2017年，另一组研究人员证明，人工智能可以学会发现阿尔茨海默病的早期征兆；他们的算法评估大脑扫描，以预测一个人是否可能患上阿尔茨海默病，其准确率约为84%，Live Science先前报道。
另一项研究发现，人工智能可以预测6个月大的婴儿患自闭症的风险，这些婴儿患自闭症的风险很高。另一项研究可以通过对视网膜扫描的分析来发现侵犯糖尿病的迹象；还有一项研究也利用来自视网膜扫描的数据来预测病人心脏病发作或中风的可能性，联合国初级保健教授、研究合著者Joe Kai在声明中说，科学家们证明了机器学习“经过仔细的调整”可以成功地预测随着时间的推移的死亡率结果。
在使用人工智能的同时，对许多医疗专业人员来说可能是陌生的，介绍研究中使用的 ... “有助于科学验证和未来的发展
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。