利用智能手机数据的AI预测您的寿命
许多生物因素如基因表达、DNA和血液循环水平与年龄密切相关。然而，基因组概况或大规模生化检测对科学研究外的应用而言相当困难且昂贵。
为简化问题，生物技术公司GERO和俄罗斯莫斯科物理技术学院开发者构建了一个AI系统，通过分析智能手机和可穿戴设备收集的数据，精确估算生物年龄和主要健康风险因素。
AI已在模式识别、语音识别、视觉物体识别等领域展现卓越性能。神经网络正用于医疗领域提供个性化治疗和制药。受这些工具启发，研究人员开发新系统，基于身体活动提供准确健康信息。
现代手持和可穿戴设备操作系统支持在不干扰用户日常生活的前提下，大规模收集和云存储个人活动记录——规模达数十亿人。AI利用这些记录持续监控健康风险并实时反馈。
如何实现？
研究人员从NHANES（国家健康和营养检查调查）提取4年（2003-2006）临床数据和身体活动记录。然后在1周记录上训练神经网络估算死亡风险和生物年龄。
他们比较了3种日益精确的生物年龄模型：
- 多元线性回归
- 无监督主成分分析（PCA）
- 深度卷积神经网络（CNN）
研究人员发现，监督方法或CNN揭示了大部分生物运动模式并建立其与寿命和一般健康信息的联系。该算法在相同数据上超越所有现有死亡风险和生物年龄模型。
团队开发了iOS应用，利用手机加速度计观察用户日常活动模式如何影响预期寿命。
此外，在之前工作中，团队采用转移矩阵元素、聚合描述符和简单分位数归一化，证明在NHANES数据上训练的AI可用于估算英国生物库健康风险。
下一步？
一些健康保险公司已开始根据可穿戴设备监控的用户身体活动提供折扣。
据开发者称，算法可进一步改进提供更准确风险模型。将最新机器学习技术与衰老理论结合将产生更好的健康模型，降低保险长寿风险并助力退休规划。AI也可为抗衰老疗法和未来临床试验发展做贡献。
工业技术