Lebenserwartung von Software ermittelt: Diese KI sagt voraus, wie lange ein Mensch leben wird

Wenn wir ehrlich sind, interessiert unsere persönliche Lebenserwartung die meisten von uns. Ob ein Mensch an einem Unfall oder ähnlichem versterben wird, lässt sich logischerweise schwer voraussagen. Bei der natürlichen Lebenserwartung sieht das ein bisschen anders aus. Forscher:innen haben nun ein KI-Tool entwickelt, das mit Hilfe einer Vielzahl von Daten, die über die reinen Gesundheitsdaten hinausgehen, die individuelle Lebenserwartung eines Menschen prognostizieren können soll. Unter anderem werden auch Daten wie der Beruf, das Einkommen und die Bildung mit einbezogen.

Wie lange leben wir?

Zum Einsatz kamen ähnliche Modelle, die auch die sogenannten „large language models“ wie etwa ChatGPT betreiben. Das Tool hört auf den Namen „live2vec“ und wurde mit Daten der gesamten Bevölkerung von Dänemark trainiert. Dabei handelt es sich immerhin um etwa sechs Millionen Menschen. Der Datensatz wurde von dem Team von der dänischen Regierung zur Verfügung gestellt.

Mithilfe von live2vec kann die individuelle Lebenserwartung von Menschen mit höherer Genauigkeit als mit anderen Tools prognostiziert werden. Dennoch betonen die Forscher:innen, dass ihr Tool auch nur ein Grundstein für weitere Forschungsarbeit sein kann.

„ Even though we’re using prediction to evaluate how good these models are, the tool shouldn’t be used for prediction on real people. It is a prediction model based on a specific data set of a specific population„, so Tina Eliassi-Rad, Professorin für Computerwissenschaft an der Northeastern University. Sie ist direkt an dem Projekt beteiligt. „These tools allow you to see into your society in a different way: the policies you have, the rules and regulations you have. You can think of it as a scan of what is happening on the ground„, fügt sie hinzu.

Ähnliche Arbeitsweise wie bei einem KI-Sprachmodell

An dem Projekt sind auch Sozialwissenschaftler:innen beteiligt. So hoffen die Forscher:innen, ein Tool zu entwickeln, das besser auf den Menschen an sich fokussiert ist. So soll verhindert werden, dass der Blick auf das Individuum in der Masse an Daten verloren geht.

Diese Datenmengen stammen von Statistics Denmark, der zentralen Statistikbehörde Dänemarks. Der Zugriff auf diese Daten ist streng reguliert, ist aber unter bestimmten Voraussetzungen für Forschungszwecke möglich. In diesen Daten sind nicht nur Gesundheitsdaten enthalten, sondern auch Informationen über die Bildung und das Einkommen. Die Forscher:innen nutzten die Daten, um das Modell mit sich wiederholenden Lebensereignissen zu trainieren. Dabei nutzten sie die gleichen Ansätze, die auch beim Training von Large Language Models verwendet werden.

„The whole story of a human life, in a way, can also be thought of as a giant long sentence of the many things that can happen to a person„, Sune Lehmann, Autorin der Studie und Professorin an der Technischen Universität Dänemark.

Das KI-Modell nutzt die Informationen aus diesen Millionen Lebensereignis-Sequenzen, kategorisiert sie und stellt Verbindungen zwischen ihnen her. Die daraus resultierenden Erkenntnisse sind ein Grundstein für die Voraussagen des Tools.

„When we visualize the space that the model uses to make predictions, it looks like a long cylinder that takes you from low probability of death to high probability of death. Then we can show that in the end where there’s high probability of death, a lot of those people actually died, and in the end where there’s low probability of dying, the causes of death are something that we couldn’t predict, like car accidents„, erklärt Lehmann.

Kulturell auf Dänemark zugeschnittene Ergebnisse

Eliassi-Rad und Lehmann betonen, dass das KI-Modell zwar ziemlich genaue Voraussagen treffen kann, aber gleichzeitig mit kulturell sehr spezifischen Daten arbeitet und den gleichen Biases unterliegt wie alle großen Datensets. Es könne also nicht einfach auf andere Länder angewendet werden.

„This kind of tool is like an observatory of society—and not all societies. This study was done in Denmark, and Denmark has its own culture, its own laws and its own societal rules. Whether this can be done in America is a different story„, so Eliassi-Rad. Die Forscher:innen sehen ihr Tool deshalb weniger als ein Endprodukt als vielmehr einen Grundstein für weitere Forschung.

via Northwestern University