Sagen Sie Ihre Lebensdauer mit KI anhand Ihrer Smartphone-Daten voraus

• Die neue KI kann das biologische Alter und wichtige gesundheitsbezogene Risikofaktoren präzise abschätzen. 
• Es analysiert Daten, die von Smartphones und tragbaren Geräten gesammelt werden.
• Entwickler haben eine App veröffentlicht, die beobachtet, wie sich Ihr tägliches Aktivitätsmuster auf Ihre Lebenserwartung auswirkt.  

Viele biologische Faktoren wie Genexpression, DNA und Blutzirkulation weisen einen engen Zusammenhang mit dem Alter auf. Allerdings sind Genomprofile oder groß angelegte biochemische Verfahren für Anwendungen außerhalb der wissenschaftlichen Forschung recht schwierig und teuer.

Um die Sache zu vereinfachen, haben Entwickler des Biotech-Unternehmens GERO und des Moskauer Instituts für Physik und Technologie in Russland ein künstliches Intelligenzsystem entwickelt, das das biologische Alter und wichtige gesundheitsbezogene Risikofaktoren abschätzen kann. Es funktioniert durch die Analyse der von Smartphones und tragbaren Geräten gesammelten Daten.

KI hat bereits phänomenale Leistungen in der Mustererkennung, Spracherkennung, visuellen Objektidentifizierung und anderen Bereichen gezeigt. Tatsächlich werden neuronale Netze im medizinischen Bereich genutzt, um personalisierte Behandlungen anzubieten und Medikamente herzustellen. Inspiriert durch diese Tools haben Forscher nun ein neues System entwickelt, das genaue Gesundheitsinformationen basierend auf körperlichen Aktivitäten liefern kann.

Moderne Betriebssysteme von Handheld- und tragbaren Geräten ermöglichen die Erfassung und Cloud-Speicherung persönlicher Aktivitätsaufzeichnungen, ohne die tägliche Routine des Benutzers zu beeinträchtigen. Und das in sehr großem Umfang – für Milliarden Menschen. Die KI nutzt diese Aufzeichnungen, um gesundheitsbezogene Risiken kontinuierlich zu überwachen und in Echtzeit Feedback zu geben.

Wie haben sie das gemacht?

Die Forscher extrahierten klinische Daten und Aufzeichnungen über körperliche Aktivität aus vier Jahren (2003 bis 2006) aus NHANES (National Health and Nutrition Examination Survey). Dann trainierten sie das neuronale Netzwerk anhand von einwöchigen Aufzeichnungen, um das Sterblichkeitsrisiko und das biologische Alter abzuschätzen.

Sie verglichen drei immer präzisere biologische Altersmodelle –

1. Multivariate lineare Regression
2. Unüberwachte Hauptkomponentenanalyse (PCA)
3. Deep Convolutional Neural Network (CNN)

Forscher fanden heraus, dass die überwachte Methode oder CNN die meisten biologischen Bewegungsmuster entschlüsselte und ihren Zusammenhang mit der Lebensdauer und allgemeinen Gesundheitsinformationen herstellte. Der Algorithmus übertraf alle bestehenden Modelle für Sterblichkeitsrisiken und biologisches Alter, die auf denselben Daten basieren.

Referenz:Natur | doi:10.1038/s41598-018-23534-9 | MIPT 

Das Team hat eine iOS-App entwickelt, die mithilfe des Beschleunigungsmessers des Telefons erkennt, wie sich die täglichen Aktivitätsmuster des Benutzers auf seine Lebenserwartung auswirken.

Darüber hinaus hat das Team in seiner früheren Arbeit Übergangsmatrixelemente, aggregierte Deskriptoren und eine einfache Form der Quantilnormalisierung übernommen, um zu zeigen, dass die auf NHANES-Daten trainierte KI zur Schätzung von Gesundheitsrisiken in der Biobank des Vereinigten Königreichs verwendet werden könnte.

Was kommt als nächstes?

Einige Krankenkassen haben bereits damit begonnen, Rabatte anzubieten, die auf der körperlichen Aktivität des Benutzers basieren und über tragbare Geräte überwacht werden.

Lesen Sie:Spam-filternde KI lernt das Verhalten eines Tieres

Nach Angaben der Entwickler kann der Algorithmus weiter verbessert werden, um genauere Risikomodelle bereitzustellen. Die Kombination neuester Techniken des maschinellen Lernens mit der Alterungstheorie wird zu noch besseren Gesundheitsmodellen führen, um Langlebigkeitsrisiken bei Versicherungen zu reduzieren und bei der Ruhestandsplanung zu helfen. Die KI könnte auch zur Entwicklung von Anti-Aging-Therapien und zukünftigen klinischen Studien beitragen.