该团队领导人 Sune Lehmann Jørgensen 表示，该模型名为 Life2vec ，由一个独特的丰富数据集进行训练，而数据集涵盖了从 2008 年到 2020 年 600 万人的教育、看病和就医情况、诊断结果、收入和职业。

研究团队表示，在实验中他们收集了一组年龄在 35 岁至 65 岁之间的人的数据，其中一半人在 2016 年至 2020 年间死亡。研究人员要求 Life2vec预测哪些人活着，哪些人死亡。结果显示，它比金融行业中用于定价人寿保险保单的现有人工智能模型或精算生命表准确率高出 11%。

此外，Life2vec 还能比经过专门训练的人工智能模型更准确地预测人口子集的性格测试结果。

Sune Lehmann Jørgensen 认为，该模型已使用足够的数据进行训练，因此它应该可以揭示普遍的健康和社会主题。这意味着它可以用来预测健康问题并及早发现它们，或者被政府用来消减不平等现象 —— 这或将为未来公共健康科学开辟一种全新的评估模式。