2019.04.15

英 연구진, 사망 시점 예측하는 AI 시스템 개발

Brian Cheon | CIO KR
노팅엄 대학교의 스테판 웽 박사에 따르면 머신러닝 모델이 인간 전문가보다 인간의 사망 시기를 더 정확하게 예측할 수 있다. 

연구진은 머신러닝 알고리즘을 사용해 40~69 세 사이 50만 명이 넘는 사람들에 대한 인구 통계, 생체 측정, 임상 및 라이프 스타일 데이터를 분석해 이들 중 누가 만성 질환으로 조기에 사망할 것인지를 예측했다. 

해당 결과를 연령 및 성별을 기반으로 한 '콕스 회귀' 모델의 결과와 비교한 결과 각각 9.4% 및 10.1% 더 정확함이 입증됐다는 설명이다. 

이 연구의 수석 연구원 인 스티븐 웽 박사는 이번 시스템의 가장 큰 차이점은 인간 입력으로부터 한 걸음 떨어졌다는 것이라고 설명했다. 그는 "처음에는 잘못된 예측을 한다. 시행 착오 과정이다. 알고리즘이 데이터가 맞지 않는다고 판단하면 이는 좋은 모델이 아니며 잠재 모델 목록에서 해당 모델을 삭제한다. 학습 과정에서 최적화되고 점점 좋아지며 보유하고있는 데이터가 많을수록 더 나은 결과를 얻을 수 있다"라고 말했다. 

그는 이어 바로 이러한 이유로 대규모 데이터와 대규모 인구 집단에서 더 빛을 발하는 접근법이라고 설명했다. 

웽 박사는 이번 시스템이 조기 사망의 원인을 규명하는데 중요한 역할을 할 수 있을 것으로 기대했다. 단 구현 방법과 결정을 분석하는데 있어 주의를 기울여야 한다고 경고했다. 

그는 "예방 측면에서 아주 유용한 도구가 될 수 있다. 상업적 이익을 위해서도 사용될 수 있을 것"이라고 말했다. ciokr@idg.co.kr



2019.04.15

英 연구진, 사망 시점 예측하는 AI 시스템 개발

Brian Cheon | CIO KR
노팅엄 대학교의 스테판 웽 박사에 따르면 머신러닝 모델이 인간 전문가보다 인간의 사망 시기를 더 정확하게 예측할 수 있다. 

연구진은 머신러닝 알고리즘을 사용해 40~69 세 사이 50만 명이 넘는 사람들에 대한 인구 통계, 생체 측정, 임상 및 라이프 스타일 데이터를 분석해 이들 중 누가 만성 질환으로 조기에 사망할 것인지를 예측했다. 

해당 결과를 연령 및 성별을 기반으로 한 '콕스 회귀' 모델의 결과와 비교한 결과 각각 9.4% 및 10.1% 더 정확함이 입증됐다는 설명이다. 

이 연구의 수석 연구원 인 스티븐 웽 박사는 이번 시스템의 가장 큰 차이점은 인간 입력으로부터 한 걸음 떨어졌다는 것이라고 설명했다. 그는 "처음에는 잘못된 예측을 한다. 시행 착오 과정이다. 알고리즘이 데이터가 맞지 않는다고 판단하면 이는 좋은 모델이 아니며 잠재 모델 목록에서 해당 모델을 삭제한다. 학습 과정에서 최적화되고 점점 좋아지며 보유하고있는 데이터가 많을수록 더 나은 결과를 얻을 수 있다"라고 말했다. 

그는 이어 바로 이러한 이유로 대규모 데이터와 대규모 인구 집단에서 더 빛을 발하는 접근법이라고 설명했다. 

웽 박사는 이번 시스템이 조기 사망의 원인을 규명하는데 중요한 역할을 할 수 있을 것으로 기대했다. 단 구현 방법과 결정을 분석하는데 있어 주의를 기울여야 한다고 경고했다. 

그는 "예방 측면에서 아주 유용한 도구가 될 수 있다. 상업적 이익을 위해서도 사용될 수 있을 것"이라고 말했다. ciokr@idg.co.kr

X