医生有很多工具和方法预测患者的健康隐患，但仍无法百分百应对人体的复杂性，心脏病发作就是最难预测的情况之一。英国研究人员最新报告说，他们研发了一种人工智能系统，让计算机通过“自学”各种医学指征和数据来预测患者的心脏病发病风险，准确率高于人类医生。

美国心脏病协会的统计数据显示，全球每年有近2000万人死于心梗、中风、血管堵塞等心血管系统疾病。包括美国心脏病协会在内的很多机构使用年龄、胆固醇水平、血压等8到10项指标来预测患者的心脏病发作风险。

英国诺丁汉大学研究人员在美国《科学公共图书馆·综合》杂志上报告说，影响人体健康的因素很多，人体各系统的相互作用也十分复杂，计算机科学可以帮助医务人员探索这些因素之间的关联。在他们开发的人工智能系统中，计算机使用了4种机器学习方法，分析英国近38万名患者的电子医疗记录，寻找心脏病发病模式。

据介绍，人工智能系统首先进行自我训练，使用78%的患者数据来寻找发病模式并构建自己的诊断指导系统。接下来，系统用剩余22%的医疗记录对自己进行测试：先用2005年的数据进行学习归纳，然后预测此后10年内哪些患者会首次患上心血管疾病，最后使用2015年的记录检查预测结果。

结果显示，4种机器学习方法预测心脏病发作的准确率全部优于传统医生诊断标准。美国心脏病协会预测指导方针的准确率在72.8%，而4种人工智能方法的精确度在74.5%到76.4%之间。其中准确率最高的一种机器学习方法还降低了一定的错误预警率，相当于在8.3万名患者中额外挽救了355人的生命，因为错误预警诊断可能会让本不需要服用降低胆固醇药物的人服药，滥用药物同样对人体有害。

此外，与美国心脏病协会的指导方针不同，这个人工智能系统综合考虑了超过22个因素。被人工智能系统认定为心脏病发作高危因素的严重神经疾病、口服皮质类固醇等因素都没有在美国心脏病协会的指导方针中。而美国心脏病协会推荐将糖尿病作为预测心脏病发作的高风险因素之一，但4种机器学习算法都排除了这一风险因素。

研究人员表示，他们计划接下来让机器学习算法涵盖生活方式和遗传等因素，进一步提高预测的精确度，更好地帮助医务人员预测患者心脏病发作风险。

文章链接：

Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N (2017) Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS ONE 12(4): e0174944. https://doi.org/10.1371/journal.pone.0174944

（本文文字来源：新华网；）

如若转载，请注明e科网。

如果你有好文章想发表or科研成果想展示推广，可以联系我们或免费注册拥有自己的主页