心脏病发作很难提前预测。据《科学》杂志17日报道，英国诺丁汉大学的科学家们开发出一种新的人工智能算法，可以显着提高心脏病发作预测的准确性。如果投入临床应用，每年可能挽救数百万人的生命。目前，全球每年有近2000万人死于心血管疾病及相关疾病，包括心脏病发作、中风、脑动脉梗塞和其他循环系统功能障碍。为了预测这些疾病，许多医生使用美国心脏病学会(ACC)和美国心脏协会(AHA)提供的指南，包括评估年龄、胆固醇水平、血压等8项危险因素，但这些指标过于简单，无法考虑患者服用多种药物、其他疾病和生活方式等因素的影响。英国诺丁汉大学流行病学家StephenWeng带领团队详细比较了ACC/AHA预测指南与四种机器学习算法——随机森林、逻辑回归、梯度增强和神经网络的数据分析效率，希望不会有在人工指导下创建预测工具。机器学习“输入”了大量数据，包括英国378,256名患者的电子病历，目的是在与心血管疾病发作相关的记录中找到共同模式。人工智能算法首先使用大约78%的医疗记录来建立自己的内部“指南”，然后测试剩余的记录。根据2005年可用的记录数据，人工智能预测哪些患者在未来10年内患心血管疾病的风险最高，并与2015年的记录数据进行核对，该数据比ACC/AHA指南多考虑了22个变量，包括因素例如种族、关节炎和肾病。结果表明，机器学习方法明显优于ACC/AHA指南。性能最好的神经网络算法比ACC/AHA方法的正确预测率提高了7.6%，同时也在一定程度上降低了误报率，相当于在8.3万名患者中多挽救了355条生命。其中，对预测结果影响最大的变量包括是否患有严重的精神疾病、是否使用口服皮质类固醇激素以及是否患有糖尿病。曼彻斯特大学的数据科学家认为，如果将更多数据“喂”给新的人工智能算法，可能会获得更好的结果。
