阿爾伯塔大學(xué)研究流行病學(xué)家今天發(fā)表在《PLOS ONE》上的研究表明，機(jī)器學(xué)習(xí)可以用來填補(bǔ)加拿大與種族和原住民身份有關(guān)的公共衛(wèi)生數(shù)據(jù)的重大空白。

北部艾伯塔省臨床試驗(yàn)和研究中心(NACTRC)的真實(shí)世界證據(jù)部門的高級(jí)數(shù)據(jù)科學(xué)家Kai On Wong說，種族和原住民地位被認(rèn)為是健康的關(guān)鍵社會(huì)決定因素，但在追蹤急性病的大型數(shù)據(jù)庫中通常沒有報(bào)告以及慢性疾病，例如哮喘，流感，癌癥，心血管疾病，糖尿病，殘疾和精神疾病。

Wong說：“如果數(shù)據(jù)庫當(dāng)前缺少種族信息，我們將無法判斷某些種族的疾病發(fā)生率更高還是臨床結(jié)果更差，這是一種從現(xiàn)有數(shù)據(jù)源中解開缺失維度的方法。可能有助于我們了解，監(jiān)控和解決加拿大的社會(huì)不平等和種族主義等問題。”

Wong創(chuàng)建了一個(gè)機(jī)器學(xué)習(xí)框架，以分析1901年人口普查中所調(diào)查的480萬人的姓名和地理位置，檢查拼寫和語音等特征以預(yù)測(cè)他們是否屬于13個(gè)種族之一。

Wong說：“不同的族裔和語言群體具有不同的特征表現(xiàn)形式，例如名稱的發(fā)音，名稱中的字母數(shù)，元音和獨(dú)特的字母序列等等。” GitHub公共存儲(chǔ)庫，這是他在美國大學(xué)公共衛(wèi)生學(xué)院的博士論文的一部分。

他說：“機(jī)器學(xué)習(xí)就像擁有一個(gè)被提供大量信息的特工團(tuán)隊(duì)。他們被指示發(fā)現(xiàn)并保留有用的模式來解決實(shí)際問題，例如從現(xiàn)有信息中預(yù)測(cè)種族。”

Wong說，該程序在僅根據(jù)名稱識(shí)別中國，法國，日本和俄羅斯遺產(chǎn)的個(gè)人方面表現(xiàn)最佳，而在包括地點(diǎn)的情況下，原住民分類的準(zhǔn)確性也得到了提高。

世界衛(wèi)生組織和加拿大政府都承認(rèn)種族和土著是健康的決定因素，同時(shí)也包括收入，教育和性別等其他因素。Wong出任西北地區(qū)政府代理地區(qū)流行病學(xué)專家后，首先對(duì)影響當(dāng)?shù)鼐用竦尼t(yī)療保健不公產(chǎn)生了興趣。

Wong說，盡管美國的健康記錄傾向于包含有關(guān)種族的問題，但從醫(yī)院出院記錄到癌癥登記簿等加拿大數(shù)據(jù)庫中，收集的信息并不統(tǒng)一。

通過使用機(jī)器學(xué)習(xí)來發(fā)現(xiàn)這些丟失的信息，研究人員和政策制定者將能夠從現(xiàn)有記錄中學(xué)習(xí)更多信息，而不必進(jìn)行昂貴且費(fèi)時(shí)的新的人口調(diào)查。

Wong說：“未來的一步將是，使用機(jī)器學(xué)習(xí)框架生成的帶有種族特征的健康證據(jù)，并通過實(shí)際應(yīng)用驗(yàn)證該研究，并將其與現(xiàn)有文獻(xiàn)進(jìn)行比較，特別是有關(guān)健康和社會(huì)不平等的文獻(xiàn)。”

Wong建議首先使用最新的人口普查信息更新種族預(yù)測(cè)工具，并在應(yīng)用于各種健康記錄時(shí)測(cè)試其準(zhǔn)確性。

Wong說：“期望機(jī)器學(xué)習(xí)預(yù)測(cè)始終保持100%的準(zhǔn)確性是不現(xiàn)實(shí)的。” “目標(biāo)是做出準(zhǔn)確且可概括的預(yù)測(cè)，以有意義的方式識(shí)別特定問題或應(yīng)用程序的基礎(chǔ)模式。”