目前，全球每年近2000萬人死于心血管疾病及相關(guān)疾病，包括心臟病發(fā)作、中風(fēng)、腦動脈梗塞和其他循環(huán)系統(tǒng)功能障礙。為了預(yù)測這些疾病，許多醫(yī)生使用美國心臟病學(xué)會（ACC）和美國心臟學(xué)會（AHA）提供的指南，包括評估年齡、膽固醇水平、血壓等8個風(fēng)險因素。但這些指標過于簡單，無法解釋患者服用多種藥物、其他疾病及生活方式等因素的影響。
諾丁漢大學(xué)流行病學(xué)家史蒂芬·翁帶領(lǐng)團隊，詳細比較了ACC/AHA預(yù)測指南與4種機器學(xué)習(xí)算法——隨機森林、邏輯回歸、梯度增強和神經(jīng)網(wǎng)絡(luò)之間的數(shù)據(jù)分析效率，并希望在沒有人為指導(dǎo)的情況下創(chuàng)建預(yù)測工具。
機器學(xué)習(xí)被“投喂”了大量數(shù)據(jù)，包括英國378256名患者的電子病歷，目的是在與心血管疾病發(fā)作有關(guān)的記錄中找到共同模式。首先，人工智能算法利用大約78%的病歷記錄，建立自己的內(nèi)部“指導(dǎo)方針”，然后對剩余的記錄進行測試；人工智能考慮的變量比ACC/AHA指南多出22個，包括種族、關(guān)節(jié)炎和腎臟疾病等因素；基于2005年的可用記錄數(shù)據(jù)，預(yù)測在未來10年內(nèi)哪些患者心血管疾病會首次發(fā)作，并對照檢查了2015年的記錄數(shù)據(jù)。
結(jié)果顯示，機器學(xué)習(xí)方法表現(xiàn)明顯優(yōu)于ACC/AHA指南。表現(xiàn)最好的神經(jīng)網(wǎng)絡(luò)算法，比ACC/AHA方法的正確預(yù)測率高出7.6%，還降低了一定的錯誤預(yù)警率，相當(dāng)于在8.3萬名患者中額外挽救了355人的生命。其中，對預(yù)測結(jié)果影響最強的變量包括是否有嚴重精神疾病、是否服用口服皮質(zhì)類固醇，以及是否罹患糖尿病。
英國曼徹斯特大學(xué)數(shù)據(jù)科學(xué)家認為，如果“投喂”更多的數(shù)據(jù)給新的人工智能算法，可能會帶來更大的收益。
天坦動態(tài)