醫(yī)生有很多工具用來預(yù)測(cè)一名患者的健康情況。但他們也許會(huì)告訴你，這些工具無法與人體的復(fù)雜性完全匹配。特別是心臟病便很難進(jìn)行預(yù)測(cè)。如今，科學(xué)家報(bào)告說，他們研發(fā)了一種人工智能系統(tǒng)，這種能夠自學(xué)的計(jì)算機(jī)可以比標(biāo)準(zhǔn)的醫(yī)學(xué)指南做得更好，從而顯著提高預(yù)測(cè)的準(zhǔn)確率。一旦投入應(yīng)用，新的方法每年將能夠拯救數(shù)千甚至數(shù)百萬人的生命。

 

　　并未參與該項(xiàng)研究的美國(guó)加利福尼亞州帕洛阿爾托市斯坦福大學(xué)心血管外科醫(yī)生Elsie Ross表示：“我已經(jīng)無法表達(dá)它是多么重要。”Ross說：“我多么希望醫(yī)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(guó)心臟病協(xié)會(huì)的統(tǒng)計(jì)數(shù)據(jù)顯示，全球每年有近2000萬人死于心梗、中風(fēng)、血管堵塞等心血管系統(tǒng)疾病。包括美國(guó)心臟病協(xié)會(huì)在內(nèi)的很多機(jī)構(gòu)使用年齡、膽固醇水平、血壓等8到10項(xiàng)指標(biāo)來預(yù)測(cè)患者的心臟病發(fā)作風(fēng)險(xiǎn)。

 

　　英國(guó)諾丁漢大學(xué)研究人員在美國(guó)《科學(xué)公共圖書館·綜合》雜志上報(bào)告說，影響人體健康的因素很多，人體各系統(tǒng)的相互作用也十分復(fù)雜，計(jì)算機(jī)科學(xué)可以幫助醫(yī)務(wù)人員探索這些因素之間的關(guān)聯(lián)。在他們開發(fā)的人工智能系統(tǒng)中，計(jì)算機(jī)使用了4種機(jī)器學(xué)習(xí)方法，分析英國(guó)近38萬名患者的電子醫(yī)療記錄，尋找心臟病發(fā)病模式。

 

　　英國(guó)諾丁漢大學(xué)流行病學(xué)家Stephen Weng表示：“在生物系統(tǒng)中有很多交互作用。”“這是人體的現(xiàn)實(shí)。”Weng說，“計(jì)算機(jī)科學(xué)所做的就是讓我們能夠探索這些關(guān)聯(lián)。”

 

　　據(jù)介紹，人工智能系統(tǒng)首先進(jìn)行自我訓(xùn)練，使用78%的患者數(shù)據(jù)來尋找發(fā)病模式并構(gòu)建自己的診斷指導(dǎo)系統(tǒng)。接下來，系統(tǒng)用剩余22%的醫(yī)療記錄對(duì)自己進(jìn)行測(cè)試：先用2005年的數(shù)據(jù)進(jìn)行學(xué)習(xí)歸納，然后預(yù)測(cè)此后10年內(nèi)哪些患者會(huì)首次患上心血管疾病，最后使用2015年的記錄檢查預(yù)測(cè)結(jié)果。
 

 

　　結(jié)果顯示，4種機(jī)器學(xué)習(xí)方法預(yù)測(cè)心臟病發(fā)作的準(zhǔn)確率全部?jī)?yōu)于傳統(tǒng)醫(yī)生診斷標(biāo)準(zhǔn)。美國(guó)心臟病協(xié)會(huì)預(yù)測(cè)指導(dǎo)方針的準(zhǔn)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(zhǔn)確率最高的一種機(jī)器學(xué)習(xí)方法還降低了一定的錯(cuò)誤預(yù)警率，相當(dāng)于在8.3萬名患者中額外挽救了355人的生命，因?yàn)殄e(cuò)誤預(yù)警診斷可能會(huì)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(duì)人體有害。

 

　　此外，與美國(guó)心臟病協(xié)會(huì)的指導(dǎo)方針不同，這個(gè)人工智能系統(tǒng)綜合考慮了超過22個(gè)因素。被人工智能系統(tǒng)認(rèn)定為心臟病發(fā)作高危因素的嚴(yán)重神經(jīng)疾病、口服皮質(zhì)類固醇等因素都沒有在美國(guó)心臟病協(xié)會(huì)的指導(dǎo)方針中。而美國(guó)心臟病協(xié)會(huì)推薦將糖尿病作為預(yù)測(cè)心臟病發(fā)作的高風(fēng)險(xiǎn)因素之一，但４種機(jī)器學(xué)習(xí)算法都排除了這一風(fēng)險(xiǎn)因素。

 

　　在英國(guó)曼徹斯特大學(xué)從事初級(jí)護(hù)理數(shù)據(jù)庫工作的數(shù)據(jù)科學(xué)家Evangelos Kontopantelis表示：“這是一項(xiàng)高質(zhì)量的工作。”Kontopantelis指出，把更多的計(jì)算能力或更多的訓(xùn)練數(shù)據(jù)用于這個(gè)問題“可能會(huì)帶來更大的收益”。

 

　　研究人員表示，他們計(jì)劃接下來讓機(jī)器學(xué)習(xí)算法涵蓋生活方式和遺傳等因素，進(jìn)一步提高預(yù)測(cè)的精確度，更好地幫助醫(yī)務(wù)人員預(yù)測(cè)患者心臟病發(fā)作風(fēng)險(xiǎn)。

 

　　那么醫(yī)生會(huì)很快在他們的實(shí)踐中采用類似的機(jī)器學(xué)習(xí)方法嗎？Ross說，醫(yī)生一直為自己的專業(yè)知識(shí)感到自豪。“但是像我一樣的新一代的一員認(rèn)為，我們或許可以由計(jì)算機(jī)進(jìn)行輔助。”