我們的死亡率可能是一個棘手的話題。如果你掌握了這些訊息，你會想知道自己何時會死嗎？也許你不知道具體的日期，但你是否準備好在平均年齡之前死去？
比如，對我來說，這說不通。我並不特別想知道，但我有個朋友已經克服了困境：他是一位癌症倖存者。所以他的成功率增加了。演算法顯示 人工智能 現在更準確地說是確定過早死亡。雖然確定我的立場可能更容易，但可能不是下一個人，但 人工智慧仍然有能力 比目前方法更精確地確定這一點。
人工智慧可以更準確地預測過早死亡。
由英國諾丁漢大學流行病學和數據科學副教授 Stephen Wong 博士領導的醫學研究人員訓練了一個人工智慧系統來評估英國超過 50 萬人的健康數據，然後 他們利用預測來了解人們是否因慢性疾病而過早死亡的風險更大。
正如我所說，我的朋友六年前被診斷出患有癌症。十年前，人工智慧能預測他會患上這種疾病，或者我更有可能因癌症早逝嗎？
翁先生表示，人工智慧對過早死亡的預測比以前使用的方法「準確得多」。
目前，有兩種人工智慧技術被用於評估過早死亡的可能性：深度學習和隨機森林。深度學習是指電腦使用分層資訊處理網路從樣本中學習。隨機森林則結合多個樹狀模型來決定相同目標。
然後將深度學習和隨機森林方法的結果與用於識別過早死亡的標準演算法：Cox 模型進行比較。
研究人員使用這三種模型評估了來自英國生物庫開放獲取資料庫的遺傳、身體和健康數據。該資料庫涵蓋了14500年至2006年間約2016名死亡病例，其中大部分死於癌症、心臟病和呼吸系統疾病。
根據這三種演算法，年齡、性別、吸菸史和先前的癌症診斷是決定一個人是否會過早死亡的重要變數。
但這些演算法對其他變數的觀察有所不同。考克斯模型關注的是種族和體力活動，而人工智慧則沒有。
人工智慧隨機森林重視體脂百分比、腰圍、水果蔬菜攝取量以及膚色。深度學習人工智慧則考慮了職業危害和空氣污染，同時也將酒精攝取量和某些藥物納入考量。
比較這三種演算法，深度學習的準確率最高。它正確識別了研究十年期間死亡人數的76%。隨機森林的準確率為65%，而Cox模型的準確率約為44%。
值得信賴的人工智慧
人工智慧不僅在預測醫療結果方面取得了準確成果，它還被用於識別阿茲海默症、自閉症、糖尿病、心臟病和中風的早期症狀。
既然我們知道人工智慧可以準確預測過早死亡，那我們該怎麼辦呢？這是我們想知道的事情，以便制定自己的願望清單嗎？你想讓人工智慧告訴你過早死亡的機率嗎？請在下方留言處發表你的想法。
