AI心臟病預測系統準確度已超傳統診斷方法

­ （原標題：諾丁漢大學開發AI心臟病預測系統， 準確度已超傳統診斷方法）

­ ZZ

­ 目前AI系統在診斷疾病、分析醫學圖像和預測健康結果方面表現出巨大的前景， 甚至在諸如手術縫合和診斷嬰兒自閉症等方面比醫生表現更好。 但現在， 在AI醫學應用又有了新進展， 英國諾丁漢大學的研究人員創建了一個掃描患者常規醫療資料的系統， 以預測其在未來10年心臟病或中風風險。

­ 目前預測這類心血管疾病實際上是一個非常困難的任務。 研究人員在最近發表的論文中表示， 大約有一半的心臟病和中風發生在那些沒有被標記為“有風險”的人群中。

而目前評估患者患病風險的標準方法主要依賴於心臟協會學會制定的指南。 現有標準的著眼點在於用高血壓， 膽固醇， 年齡， 吸煙和糖尿病等風險因素判定其發病幾率。

­ 研究員Stephen Weng和他的同事基於英國的378,256名患者的病歷檔案測試了幾種不同的機器學習工具。 這些病歷檔案記錄了2005年至2015年的患者及其健康狀況， 包含醫療條件， 處方藥， 醫院就診， 檢查結果等資訊。 研究人員把75％的病歷送到他們的機器學習模型中， 以找出10年內經歷心臟病發作或中風的患者的特徵。 然後對其他25％的記錄進行了模型測試， 來檢測他們預測心臟病發作和中風的準確程度如何。

­ 如果用1.0分表示100％準確度， 傳統預測標準得分為0.728。

而機器學習模型的結果是從0.745到0.764， 最佳分數來自神經網路機器學習模型：神經網路模型在7404例實際病例成功預測了4,998例， 比傳統方法多了355例。 利用該技術進行預測可以幫助醫生採取相應的預防措施， 如為有發病風險的患者開具處方藥來降低膽固醇。

­ 那麼該AI工具在實際診斷中是如何幫助醫生工作的呢？Stephen Weng表示他們的演算法可以在查看、分析整個患者列表後， 將有發病風險的患者標記出來， 提醒醫生注意。 這個過程可以既可以發生在病患坐在醫生面前進行例行檢查的時候， 也可以在病人不在場時完成。 Stephen Weng指出該平臺的主要優勢在於預測準確度：雖然類似的臨床決策支援軟體已經存在， 但不同於這些軟體，

他們開發的系統使用了AI模式識別， 可以提供更準確結果預測。

­ 諾丁漢大學研究人員Stephen Weng表示， 目前在實驗室中測試的AI醫療工具將很快提高臨床醫生在診斷和預後方面的準確性。 “從研究到臨床護理應用的飛躍將在未來五年內發生。 ”

­ 然而目前面臨的問題是， 在AI進入真正的醫療場景之前仍然要得到監管認可。 Stephen Weng說：“實施的主要障礙將是管理隱私和患者保密問題， 電腦演算法需要通過大量病人資料進行分析， 其中包含隱私的醫療資訊。 除了處理這些隱私問題外， 也面臨防止醫療機器做出自主決定的安全性問題。 那麼， “機器學習工具什麼時候可以預測自己何時能獲批上市呢？”