自學成才讓人工智能預測心臟病發作

　　醫生有很多工具用來預測一名患者的健康情況。但他們也許會告訴你，這些工具無法與人體的復雜性完全匹配。特別是心臟病便很難進行預測。如今，科學家報告說，他們研發了一種人工智能系統，這種能夠自學的計算機可以比標準的醫學指南做得更好，從而顯著提高預測的準確率。一旦投入應用，新的方法每年將能夠拯救數千甚至數百萬人的生命。

　　并未參與該項研究的美國加利福尼亞州帕洛阿爾托市斯坦福大學心血管外科醫生Elsie Ross表示：“我已經無法表達它是多么重要。”Ross說：“我多么希望醫生們開始接受人工智能的使用，并用它來幫助我們照顧病人。”

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

　　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，尋找心臟病發病模式。

　　英國諾丁漢大學流行病學家Stephen Weng表示：“在生物系統中有很多交互作用。”“這是人體的現實。”Weng說，“計算機科學所做的就是讓我們能夠探索這些關聯。”

　　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并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，然后預測此后10年內哪些患者會首次患上心血管疾病，最后使用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臟病發作的準確率全部優于傳統醫生診斷標準。美國心臟病協會預測指導方針的準確率在72.8%，而4種人工智能方法的精確度在74.5%到76.4%之間。其中準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，相當于在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，與美國心臟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臟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臟病協會的指導方針中。而美國心臟病協會推薦將糖尿病作為預測心臟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。

　　在英國曼徹斯特大學從事初級護理數據庫工作的數據科學家Evangelos Kontopantelis表示：“這是一項高質量的工作。”Kontopantelis指出，把更多的計算能力或更多的訓練數據用于這個問題“可能會帶來更大的收益”。

　　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臟病發作風險。

　　那么醫生會很快在他們的實踐中采用類似的機器學習方法嗎？Ross說，醫生一直為自己的專業知識感到自豪。“但是像我一樣的新一代的一員認為，我們或許可以由計算機進行輔助。”