スマホのデータからAIで寿命を予測

• 新しい AI は、生物学的年齢と健康に関連する主要な危険因子を正確に推定できます。 
• スマートフォンやウェアラブル デバイスによって収集されたデータを分析します。
• 開発者は、毎日の活動パターンが平均寿命にどのような影響を与えるかを観察するアプリをリリースしました。  

遺伝子発現、DNA、血液循環レベルなどの多くの生物学的要因は、年齢と密接な相関関係を示します。ただし、ゲノム プロファイルや大規模な生化学は、科学研究以外のアプリケーションにとっては非常に難しく、高価です。

物事を簡単にするために、バイオテクノロジー企業 GERO とロシアのモスクワ物理工科大学の開発者は、生物学的年齢と健康に関連する主要な危険因子を推定できる人工知能システムを構築しました。スマートフォンやウェアラブル デバイスによって収集されたデータを分析することで機能します。

AI はすでに、パターン認識、音声認識、視覚物体識別などの分野で驚異的なパフォーマンスを実証しています。実際、ニューラル ネットワークは医療分野で個別化された治療の提供や医薬品の製造に活用されています。これらのツールに触発されて、研究者たちは現在、身体活動に基づいて正確な健康情報を提供できる新しいシステムを開発しました。

ハンドヘルドおよびウェアラブル デバイスの最新のオペレーティング システムにより、ユーザーの日常生活を妨げることなく、個人の活動記録を収集してクラウドに保存できます。そしてこれは非常に大規模に、何十億人もの人々に対して行われています。 AI はこれらの記録を利用して健康関連のリスクを継続的に監視し、リアルタイムでフィードバックを提供します。

彼らはどのようにしてそれを行ったのでしょうか?

研究者らは、NHANES（国民健康栄養調査）から4年間（2003年から2006年）の臨床データと身体活動記録を抽出した。次に、1 週間の記録に基づいてニューラル ネットワークをトレーニングし、死亡リスクと生物学的年齢を推定しました。

彼らは、ますます正確になっている 3 つの生物学的年齢モデルを比較しました –

<オル>

多変量線形回帰

教師なし主成分分析 (PCA)

ディープ畳み込みニューラル ネットワーク (CNN)

研究者らは、教師あり手法または CNN によって生物学的運動パターンのほとんどが解明され、寿命や一般的な健康情報との関係が確立されたことを発見しました。このアルゴリズムは、同じデータで実行される死亡リスクと生物学的年齢の既存のすべてのモデルを上回りました。

参照:自然 | 土井:10.1038/s41598-018-23534-9 |ミプト

チームは、ユーザーの毎日の活動パターンが寿命にどのような影響を与えるかを（携帯電話の加速度計を使用して）確認する iOS アプリを開発しました。

さらに、チームは以前の研究で、NHANES データでトレーニングされた AI を英国バイオバンクの健康リスクの推定に使用できることを実証するために、遷移行列要素、集約記述子、および単純な形式の分位点正規化を採用しました。

次は何ですか?

一部の健康保険会社は、ウェアラブル デバイスを介して監視されるユーザーの身体活動に基づいて割引を提供し始めています。

読む:スパム フィルタリング AI が動物の行動を学習

開発者によると、アルゴリズムをさらに改良して、より正確なリスク モデルを提供できるとのことです。最新の機械学習技術と老化理論を組み合わせることで、保険の長寿リスクを軽減し、退職後の計画に役立つさらに優れた健康モデルが得られます。 AI は、アンチエイジング療法の開発や将来の臨床試験にも貢献する可能性があります。