醫(yī)生有很多工具和方法預測患者的健康隱患，但仍無法百分百應對人體的復雜性，心臟病發(fā)作就是最難預測的情況之一。英國研究人員最新報告說，他們研發(fā)了一種人工智能系統(tǒng)，讓計算機通過“自學”各種醫(yī)學指征和數(shù)據(jù)來預測患者的心臟病發(fā)病風險，準確率高于人類醫(yī)生。
美國心臟病協(xié)會的統(tǒng)計數(shù)據(jù)顯示，全球每年有近2000萬人死于心梗、中風、血管堵塞等心血管系統(tǒng)疾病。包括美國心臟病協(xié)會在內的很多機構使用年齡、膽固醇水平、血壓等8到10項指標來預測患者的心臟病發(fā)作風險。
英國諾丁漢大學研究人員在美國《科學公共圖書館·綜合》雜志上報告說，影響人體健康的因素很多，人體各系統(tǒng)的相互作用也十分復雜，計算機科學可以幫助醫(yī)務人員探索這些因素之間的關聯(lián)。在他們開發(fā)的人工智能系統(tǒng)中，計算機使用了4種機器學習方法，分析英國近38萬名患者的電子醫(yī)療記錄，尋找心臟病發(fā)病模式。
據(jù)介紹，人工智能系統(tǒng)首先進行自我訓練，使用78%的患者數(shù)據(jù)來尋找發(fā)病模式并構建自己的診斷指導系統(tǒng)。接下來，系統(tǒng)用剩余22%的醫(yī)療記錄對自己進行測試：先用2005年的數(shù)據(jù)進行學習歸納，然后預測此后10年內哪些患者會首次患上心血管疾病，最后使用2015年的記錄檢查預測結果。
結果顯示，4種機器學習方法預測心臟病發(fā)作的準確率全部優(yōu)于傳統(tǒng)醫(yī)生診斷標準。美國心臟病協(xié)會預測指導方針的準確率在72.8%，而4種人工智能方法的精確度在74.5%到76.4%之間。其中準確率最高的一種機器學習方法還降低了一定的錯誤預警率，相當于在8.3萬名患者中額外挽救了355人的生命，因為錯誤預警診斷可能會讓本不需要服用降低膽固醇藥物的人服藥，濫用藥物同樣對人體有害。
此外，與美國心臟病協(xié)會的指導方針不同，這個人工智能系統(tǒng)綜合考慮了超過22個因素。被人工智能系統(tǒng)認定為心臟病發(fā)作高危因素的嚴重神經疾病、口服皮質類固醇等因素都沒有在美國心臟病協(xié)會的指導方針中。而美國心臟病協(xié)會推薦將糖尿病作為預測心臟病發(fā)作的高風險因素之一，但4種機器學習算法都排除了這一風險因素。
研究人員表示，他們計劃接下來讓機器學習算法涵蓋生活方式和遺傳等因素，進一步提高預測的精確度，更好地幫助醫(yī)務人員預測患者心臟病發(fā)作風險。
人工智能“自學”預測心臟病發(fā)作
發(fā)布時間：2017.04.18