正是在这里,像人工智能和机器学习这样的变革性技术,在医疗保健和医学的不同方面,如测量数据,诊断疾病,甚至在某些外科手术中,表现出了巨大的希望。
英国诺丁汉大学(University of Nottingham)的科学家已经开发出一种系统,能够在特定时间段内监测和分析患者的医疗记录,从而判断他们在未来10年左右是否会出现心脏骤停或中风的风险。他们在四种机器学习(ML)算法的帮助下做到了这一点,在计算机科学中被称为“随机森林”、“逻辑回归”、“梯度增强”和“神经网络”。
首席研究员Stephan Weng博士说:“心血管疾病是全球疾病和死亡的主要原因。我们的研究表明,人工智能可以通过提高准确识别高危人群的数量,并允许医生早期干预以预防心脏骤停和中风等严重事件,从而显着地帮助对抗它。这项研究发表在《公共科学图书馆·综合》杂志10周年纪念期刊上,标题为“机器学习能通过常规临床数据提高心血管风险预测吗?”
机器学习超过标准方法&它的未来
在一种新的方法中,运用人工智能来评估和给初级保健人群的医疗预后,诺丁汉的研究团队专门建立了一个系统,目的是研究ML在检测心血管风险和标准预测模型方面的准确性。同时,对精度最高的算法进行了研究。结果表明,这些“自我教学的人工智能工具”实际上更精确地预测了心脏病的风险,与它的前辈相比,它的准确率为1.7 - 3.6%。
心脏病(美国心脏协会)
正如论文所述,这种替代的机器学习方法通过考虑多种风险因素,确定这些因素和结果之间的关系,从而解决传统技术的局限性。随着人工智能的实现,大量可变数据可以被存储和利用,从而减少了测量结果出错的几率。
机器学习优于常规CVD评估的最大优点之一是它没有简化复杂的关系。例如,正如翁提到的:“目前的标准预测模型,如ACC,基于8个风险因素,包括年龄、胆固醇水平和血压,但过于简单化,无法解释其他因素,如药物、多种疾病情况和其他非传统生物标志物。”
人工智能的这种创新鼓励了个性化医学的理念,因为这些自学的计算机可以创造不同的方法,因此对病人来说是一个更个性化的风险管理程序。据了解,疾病结果的预测和随后的临床决策变得更加容易和准确,尽管这个概念需要进一步的研究和发展。
References:
AHA/ASA, https://www.heart.org/idc/groups/ahamah-public/@wcm/@sop/@smd/documents/downloadable/ucm_470704.pdf, (accessed 1 Nov 2017)
Rayner, E. (2017), University of Nottingham, http://www.nottingham.ac.uk/news/pressreleases/2017/april/artificial-intelligence-can-accurately-predict-future-heart-disease-and-strokes-study-finds.aspx, (accessed 1 Nov 2017)
Weng, S. F. et al. (2017), ‘Can machine-learning improve cardiovascular risk prediction using routine clinical data?’, PLOS One
Strickland, E. (2017), IEEE Spectrum, https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/ai-predicts-heart-attacks-more-accurately-than-standard-doctor-method, (accessed 7 Nov 2017)