很多人一听到“人工智能(AI)”这个词就会想到机器人。然而，在美国一项关于肺癌和支气管癌 (LBC) 的新研究中，人工智能指的是各种机器学习模型叠加在一起，以对 LBC 死亡率进行高水平预测。
布法罗大学的研究人员 Zia U. Ahmed、Kang Sun、Michael Shelly 和 Lina Mu 撰写了这项新研究，该研究使用可解释的人工智能(XAI)确定了 LBC死亡率的关键风险因素。虽然在所研究的风险因素中，吸烟率、贫困和社区海拔在预测 LBC 死亡率方面最为重要，但发现风险因素与 LBC 死亡率之间的关联在空间上存在差异，研究探索了这些地理差异。
2021 年 12 月发表在《科学报告》杂志上的论文“可解释的人工智能用于探索美国邻近地区肺癌和支气管癌死亡率的空间变异性” 。
该研究汇集了一个跨学科团队。Ahmed 博士是 UB RENEW 研究所的数据库/可视化专家;孙博士，UB RENEW研究所核心教员，UB工程与应用科学学院土木、结构与环境工程助理教授;Shelly 博士是 UB RENEW 研究所的环境/生态经济学家;Mu，博士，医学博士，是UB 公共卫生与健康专业学院流行病学和环境健康副教授。
艾哈迈德谈到了研究和研究的重要性：“结果很重要，因为美国是一个空间异质的环境。社会经济因素和教育水平多种多样——本质上，一种规模并不适合所有人。这里对机器的本地解释学习模型比全局解释更重要。”
他补充说，通过指出哪些领域需要支持，结果可用于公共卫生管理和干预。
“我们希望该模型能够解释已知的 LBC 死亡率和风险因素预测因子之间的联系，”Sun 说。
“这项研究可以成为将人工智能整合到流行病学研究中的模型，”穆说。“它也可以作为研究癌症时使用预测模型的一个例子。这可以极大地帮助确定癌症登记不可用的高风险区域。”
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！