人工智能预测心脏病发作风险‘0158bet’

医生有很多工具和方法预测患者的身体健康隐患，但仍无法百分百应付人体的复杂性，心脏病发作就是最无以预测的情况之一。英国研究人员近期报告说道，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作风险，准确率低于人类医生。

美国心脏病协会的统计数据表明，全球每年有将近2000万人杀于心梗、中风、血管阻塞等心血管系统疾病。还包括美国心脏病协会在内的很多机构用于年龄、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》杂志上报告说道，影响人体身体健康的因素很多，人体各系统的相互作用也十分复杂，计算机科学可以协助医务人员探寻这些因素之间的关联。

在他们研发的人工智能系统中，计算机用于了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，找寻心脏病发作模式。据介绍，人工智能系统首先展开自我训练，用于78％的患者数据来找寻发作模式并建构自己的临床指导系统。

接下来，系统用剩下22％的医疗记录对自己展开测试：先用2005年的数据展开自学概括，然后预测此后10年内哪些患者不会首次患上心血管疾病，最后用于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高于传统医生临床标准。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。

其中准确率最低的一种机器学习方法还减少了一定的错误预警亲率，相等于在8．3万名患者中额外挽回了355人的生命，因为错误预警临床可能会让本不必须服用减少胆固醇药物的人服药，欺诈药物某种程度对人体危害。此外，与美国心脏病协会的指导方针有所不同，这个人工智能系统综合考虑到了多达22个因素。被人工智能系统确认为心脏病发作高危因素的相当严重神经疾病、口服皮质类固醇等因素都没在美国心脏病协会的指导方针中。

而美国心脏病协会引荐将糖尿病作为预测心脏病发作的高风险因素之一，但4种机器学习算法都回避了这一风险因素。研究人员回应，他们计划接下来让机器学习算法涵括生活方式和遗传等因素，进一步提高预测的精确度，更佳地协助医务人员预测患者心脏病发作风险。

本文来源：0158bet-www.floridalibertysummit.com