飛行健康網

　　醫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，心髒病發作就是最難預測的情況之一。英國研究人員最新報告說，他們研發了一種人工智能系統，讓計算機通過“自學”各種醫學指征和數據來預測患者的心髒病發病風險，准確率高於人類醫生。

　　美國心髒病協會的統計數據顯示，全球每年有近2000萬人死於心梗、中風、血管堵塞等心血管系統疾病。包括美國心髒病協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髒病發作風險。

　　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，人體各系統的相互作用也十分復雜，計算機科學可以幫助醫務人員探索這些因素之間的關聯。在他們開發的人工智能系統中，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療記錄，尋找心髒病發病模式。

　　據介紹，人工智能系統首先進行自我訓練，使用78％的患者數據來尋找發病模式並構建自己的診斷指導系統。接下來，系統用剩余22％的醫療記錄對自己進行測試：先用2005年的數據進行學習歸納，然後預測此後10年內哪些患者會首次患上心血管疾病，最後使用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髒病發作的准確率全部優於傳統醫生診斷標准。美國心髒病協會預測指導方針的准確率在72.8％，而4種人工智能方法的精確度在74.5％到76.4％之間。其中准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，相當於在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，與美國心髒病協會的指導方針不同，這個人工智能系統綜合考慮了超過22個因素。被人工智能系統認定為心髒病發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髒病協會的指導方針中。而美國心髒病協會推薦將糖尿病作為預測心髒病發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，更好地幫助醫務人員預測患者心髒病發作風險。

　　（據新華社電）