一项新的研究显示，机器学习可以帮助公共卫生官员识别出铅中毒风险最高的儿童，使他们能够将有限的资源集中在防止中毒上，而不是在儿童血铅含量升高后才对其进行补救。

 

Rayid Ghani杰出的职业生涯卡内基梅隆大学机器学习部门的教授和Heinz学院信息系统和公共政策,说芝加哥公共卫生部门(CDPH)已经实现了一个基于新的机器学习模型的干预项目和芝加哥医院中做同样的事。其他城市也在考虑复制这一方案，以解决铅中毒问题。铅中毒仍然是美国一个重大的环境健康问题。

 

今天在JAMA杂志上发表的一项研究中网络开放,甘尼和芝加哥大学的同事们和CDPH报告他们的机器学习模型是准确识别高危儿童两倍比以前更简单的模型,和公平地确定孩子,不管他们的种族。

 

血铅水平升高可导致儿童不可逆转的神经损伤，包括发育迟缓和易怒。旧房屋中的含铅涂料是铅中毒的典型来源。然而，标准的公共卫生做法一直是等到儿童被确诊为铅含量超标后，再改善他们的生活条件。

 

“补救措施可以帮助其他将要住在那里的孩子，但它不能帮助已经受伤的孩子，杏耀游戏玩家”Ghani说，他在芝加哥大学任教时是这项研究的负责人。预防是解决这个问题的唯一方法。问题变成:我们能否在有限的检查和补救资源上发挥积极作用?”

 

Ghani说，早期基于住房、经济状况、种族和地理等因素设计预测计算机模型的尝试只取得了有限的成功。相比之下,他的团队设计了机器学习模型更加复杂和考虑更多的因素,其中包括250万监测血液测试,70000年公共卫生调查,200万建筑许可和侵犯,以及年龄,大小和住房条件,社会人口来自美国人口普查局的数据。

 

这种更复杂的方法在15.5%的时间里正确地识别出铅中毒风险最高的儿童——大约是以前预测模型的两倍。加尼说:“这是一个显著的进步。当然，大多数卫生部门目前并没有主动确认这些儿童的身份，他补充道。

 

研究还表明，机器学习模型能公平地识别出这些高危儿童。加尼说，杏耀注册这是当前制度的一个问题，在这里， 杏耀客服怎么联系，黑人和西班牙裔儿童比白人儿童更不可能接受血铅含量检测。

 

除了加尼，该研究团队还包括芝加哥大学哈里斯公共政策学院的埃里克·波塔什和乔·沃尔什;CDPH的埃米尔·乔根森、尼克·普拉昌德和瑞德·曼努尔;以及南内华达州健康区的科兰·洛夫罗伯特·伍德·约翰逊基金会支持这项研究。