新華社華盛頓４月１６日電　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，心臟病發作就是最難預測的情況之一。英國研究人員最新報告説，他們研發了一種人工智慧係統，讓電腦通過“自學”各種醫學指徵和數據來預測患者的心臟病發病風險，準確率高于人類醫生。

　　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、血管堵塞等心血管係統疾病。包括美國心臟病協會在內的很多機構使用年齡、膽固醇水準、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》雜志上報告説，影響人體健康的因素很多，人體各係統的相互作用也十分復雜，電腦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慧係統中，電腦使用了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。

　　據介紹，人工智慧係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係統。接下來，係統用剩余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種人工智慧方法的精確度在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，這個人工智慧係統綜合考慮了超過２２個因素。被人工智慧係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種機器學習演演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演演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。

【糾錯】

責任編輯： 聶晨靜