利用智能手机数据通过人工智能预测您的寿命
- 新的人工智能可以精确估计生物年龄和与健康相关的主要风险因素。
- 它会分析智能手机和可穿戴设备收集的数据。
- 开发者发布了一款应用，可以观察您的日常活动模式如何影响您的预期寿命。
基因表达、DNA 和血液循环水平等许多生物因素与年龄密切相关。然而，基因组图谱或大规模生化对于科学研究以外的任何应用来说都是相当困难和昂贵的。
为了让事情变得简单，生物技术公司 GERO 和俄罗斯莫斯科物理技术研究所的开发人员建立了一个人工智能系统，可以估计生物年龄和与健康相关的主要风险因素。它的工作原理是分析智能手机和可穿戴设备收集的数据。
人工智能已经在模式识别、语音识别、视觉对象识别等领域展现出惊人的性能。事实上，神经网络正在医疗领域被用来提供个性化治疗和制造药物。受这些工具的启发，研究人员现已开发出一种新系统，可以根据身体活动提供准确的健康信息。
现代手持和可穿戴设备的操作系统可以在不干扰用户日常生活的情况下收集和云存储个人活动记录。这是为数十亿人大规模完成的。人工智能利用这些记录持续监控健康相关风险并提供实时反馈。
他们是怎么做到的？
研究人员从 NHANES（国家健康和营养检查调查）中提取了 4 年（2003 年至 2006 年）的临床数据和体力活动记录。然后，他们根据 1 周的记录训练神经网络，以估计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，并建立了它们与寿命和一般健康信息的关系。该算法优于在相同数据上运行的所有现有死亡风险和生物年龄模型。
参考：自然 | doi:10.1038/s41598-018-23534-9 | MIPT
该团队开发了一款 iOS 应用程序，可以（使用手机的加速计）了解用户的日常活动模式如何影响他们的预期寿命。
此外，在之前的工作中，团队采用了转移矩阵元素、聚合描述符和简单形式的分位数归一化来证明在 NHANES 数据上训练的 AI 可用于估计英国生物银行的健康风险。
下一步是什么？
一些健康保险公司已经开始根据用户的身体活动提供折扣，并通过可穿戴设备进行监控。
阅读：垃圾邮件过滤人工智能学习动物的行为
开发人员表示，该算法可以进一步改进，以提供更准确的风险模型。将最新的机器学习技术与衰老理论相结合将产生更好的健康模型，以降低保险中的长寿风险并帮助退休规划。人工智能还可以为抗衰老疗法和未来临床试验的开发做出贡献。
工业技术