淘金娛樂城38kky.com

編者按：本文來自界面新聞，作者 孫文豪，36氪經授權發佈。預估自己的自然壽命，或許不再是一個奇幻的命題，人工智能正在嘗試給出一個科學的答案。近日，IBM和加州大學聖疊戈分校的研究人員開發出了一種AI工具，這一工具可以根據微生物組樣本有效地預測一個人的自然狀態下的壽命。這一基於微生物組樣本的人工智能研究並非首例。2019年，新加坡的相關研究人員在老鼠中進行了腸道微生物組移植實驗，發現了微生物組中的衰老現象和老鼠身體中的系統性缺陷存在一些關聯。IBM和加州大學聖疊戈分校的研究人員們第一次將這一實驗移植到了人體上，他們找來了18歲到90歲各個年齡層的志願者，並且基於人種和地理差異的考量，志願者群體來自美國、中國、英國和坦桑尼亞等四個不同的國家，最終得到了9000余份微生物組的分析樣本。這些微生物群組分別來自皮膚，口腔和腸道等三個人體部位。AI從採樣的微生物組中提取出相對豐富的微生物群，經過隨機回歸模型的優化、訓練和測試，獲得了微生物組和年齡之間的聯繫。“研究結果表明了機器學習和人工智能技術能夠更好地瞭解人類微生物組的潛力。” IBM “健康智能人工智能計劃”的項目負責人Ho-Cheol Kim說。研究人員發現，這一AI工具預估準確性和人體不同部位有關，皮膚微生物組是準確預測的最佳指標，其誤差在3.8年左右。研究小組認為，皮膚上的微生物組準確率較高是由於每個人都經歷了可預見的皮膚生理變化，例如血清生成減少和乾燥度增加。此外，口腔微生物組的預測誤差在4至5年，而腸道微生物組誤差達到了11.5年左右。這一研究成果雖然存在較大的誤差範圍，但研究人員仍然報以樂觀的態度，他們認為進一步的系統優化後，這一技術將可以很好地服務於醫療健康體系。“這一研究為觀察微生物組在衰老過程中的作用奠定了基礎。”Ho-Cheol Kim對於這一技術的落地場景做了大概的預測，“未來可以幫助專業人士深入瞭解微生物組與神經病學、心血管疾病和免疫健康等之間的相關性。”在此前，也有多家科技公司和高校研究機構嘗試用AI進行相關的測試。2018年，Google AI的研究人員稱，其開發的人工智能網絡可以利用電子病歷預測患者住院的死亡率，其收集了超過21萬份樣本，並稱其模型預測準確率在95%左右。此外，斯坦福大學和阿德萊德大學都曾公佈過類似的研究結果，但目前都尚還沒有得到普遍性的應用。雖然目前要實現技術落地還有一定的困難，但IBM和加州大學聖疊戈分校的研究人員認為，這項研究為他們指明了一個方向，“這表明這個模型是大致有效的，人體的老化伴隨著關鍵微生物組的損失而發生。”團隊成員Niina Haiminen等人在博客中寫道，“我們未來會合併多個來源的研究，從而有可能加速基於全球數據範圍的模型優化。”本文經授權發布，不代表36氪立場。如若轉載請註明出處。來源出處：36氪