もしあなたがある程度の期間 Sprudge を読んでいるなら、コーヒーが健康の特定の面にどのように潜在的に有益であるかについて、すでに複数の記事を準備していることは間違いありません。 ストーリーは一般に次のように進みます。「コーヒーを飲むことは[悪い健康結果]のX%減少と関連していることが研究で判明した」のすぐ後に「研究は観察的であり、因果関係を証明するものではない」。
で 新しい研究 会場は 米国心臓協会さんの日記 循環：心不全、研究者らは、XNUMX日XNUMX杯以上のコーヒーを飲むことと心不全のリスクの低下との間に関連性があることを発見しました。 しかし、この観察研究には何か違いがあります。 この研究は結論を得るために機械学習を使用しましたが、将来的にはこの種の研究の有用性が大きく変わる可能性があります。
によって報告されるように ニューヨーク·タイムズ紙、新しい研究はまったく新しいものではありません。 コロラド大学医学部の心臓専門医であるデイビッド・カオ氏の率いる研究者らは、 Framingham Heart Study (FHS)、「マサチューセッツ州フレーミングハム市の居住者を対象とした、長期継続中の心臓血管コホート研究」は 1948 年に始まり、参加者は 14,000 名を超えるまでに成長しました。
ほとんどの研究は仮説から始まり、その後証明または反証を目指すため、研究者がデータ分析に含めるか除外するかを選択する並べ替え変数によって誤った関係が確立される可能性がありますが、Kao らは代わりに、意図せずに FHS にアプローチしました。結果。 代わりに、彼らは「機械学習として知られる強力で人気が高まっているデータ分析技術」を利用して、FHSで捕捉された患者の特徴と参加者が心不全を経験する確率との間の潜在的な関連性を見つけた。
短時間で大量のデータを分析できるだけでなく、報告されたコーヒー XNUMX 杯が XNUMX オンスか XNUMX オンスかなど、データの不確実性を処理するようにプログラムされているため、機械学習がどちらを確認し、ランク付けできるようになります。変数は心不全の発症と最も関連しており、観察研究であってもその結果についてより多くの説明力を与えます。 そして実際、FHS 機械学習分析の結果を他の XNUMX つのよく知られた研究と比較したところ、 心臓血管の研究 (CHS) と 地域社会におけるアテローム性動脈硬化のリスク 研究 (ARIC) によると、このアルゴリズムは「コーヒー摂取と心不全の関係を正確に予測」することができました。
ただし、もちろん注意点もあります。 機械学習アルゴリズムの良さは、そこに与えられるデータによって決まります。 範囲が狭すぎると、結果がより広範囲に解釈されない可能性があり、現実世界の予測の有用性が大幅に低下します。 ニューヨーク・タイムズは顔認識ソフトウェアを例として挙げ、「主に白人男性を対象に訓練されたこのアルゴリズムは、女性や有色人種の識別精度がはるかに低かった」としている。
それでも、新しい研究は、アルゴリズムが明らかにした健康上の利点だけでなく、この種の分析主導の研究をどのように実施し、解釈するかについても有望であることを示しています。
ザック・キャドワラダー Sprudge Media Network の編集長であり、ダラスを拠点とするスタッフ ライターです。 ザック・キャドワラダーが Sprudge について語る.
