目前，全球每年近2000萬(wàn)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(dòng)脈梗塞和其他循環(huán)系統功能障礙。為了預測這些疾病，許多醫生使用美國心臟病學(xué)會(huì )（ACC）和美國心臟學(xué)會(huì )（AHA）提供的指南，包括評估年齡、膽固醇水平、血壓等8個(gè)風(fēng)險因素。但這些指標過(guò)于簡(jiǎn)單，無(wú)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預測指南與4種機器學(xué)習算法——隨機森林、邏輯回歸、梯度增強和神經(jīng)網(wǎng)絡(luò )之間的數據分析效率，并希望在沒(méi)有人為指導的情況下創(chuàng )建預測工具。
機器學(xué)習被“投喂”了大量數據，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，建立自己的內部“指導方針”，然后對剩余的記錄進(jìn)行測試；人工智能考慮的變量比ACC/AHA指南多出22個(gè)，包括種族、關(guān)節炎和腎臟疾病等因素；基于2005年的可用記錄數據，預測在未來(lái)10年內哪些患者心血管疾病會(huì )首次發(fā)作，并對照檢查了2015年的記錄數據。
結果顯示，機器學(xué)習方法表現明顯優(yōu)于A(yíng)CC/AHA指南。表現最好的神經(jīng)網(wǎng)絡(luò )算法，比ACC/AHA方法的正確預測率高出7.6%，還降低了一定的錯誤預警率，相當于在8.3萬(wàn)名患者中額外挽救了355人的生命。其中，對預測結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(lèi)固醇，以及是否罹患糖尿病。
英國曼徹斯特大學(xué)數據科學(xué)家認為，如果“投喂”更多的數據給新的人工智能算法，可能會(huì )帶來(lái)更大的收益。
天坦動(dòng)態(tài)