机器算法已能预测心脏病死亡率 准确率超过90％

机器算法已能预测心脏病死亡率 准确率超过90％

国际核心脏病学和心脏CT会议（ICNC）今日宣布，机器学习在预测心脏病死亡率发作方面超越了人类。

国际核心脏病学和心脏CT会议是由美国核心脏病学会（ASNC），欧洲心脏病学会（ESC）的欧洲心血管成像协会（EACVI）和欧洲核医学（EANM）协会共同组织的国际医学大会。

通过反复分析950名患有6年的心脏病患者群体当中中的85个变量，机器算法“学习”了成像数据如何发挥作用。 然后，它确定了将变量与心脏病发作的死亡相关联的模式，准确率超过90％。

机器学习是人工智能（AI）的基础。 谷歌的搜索引擎 ，智能手机上的人脸识别，自动驾驶汽车，视频网站的推荐系统都使用机器学习算法来适应个人用户。

芬兰图尔库PET中心的Luis Eduardo Juarez-Orozco博士说：“这些研究发展远远超出了医学方面的进展，我们需要对如何评估风险和结果持谨慎态度。我们有数据，但我们尚未充分利用它。“

医生使用风险评分来做出治疗决策。 但这些分数仅基于少数变量，并且通常在个体患者中具有适度的准确性。 通过重复和调整，机器学习可以利用大量数据并识别人类可能不明显的复杂模式。

Juarez-Orozco博士解释说：“人类很难思考三个维度（一个立方体）或四个维度（一个多维数据集的时间）。当我们跳到第五维度时，我们就迷失了。我们的研究表明，非常高的维度模式比单维模式更有用，可以预测个体的结果，因此我们需要机器学习。“

该研究纳入了950例胸痛患者，这些患者接受了该中心常规的冠状动脉疾病治疗方案 。 冠状动脉计算机断层扫描血管造影（CCTA）扫描产生了58条关于冠状动脉斑块，血管狭窄和钙化的数据。 具有提示疾病的患者进行了正电子发射断层扫描（PET）扫描，产生了17个血流量变量。 从医疗记录中获得了十个临床变量，包括性别，年龄，吸烟和糖尿病。

在平均6年的随访期间，实验对象有24次心脏病发作，49人死亡。 将85个变量输入到名为LogitBoost的机器学习算法中，该算法不断分析这些变量，直到找到预测心脏病发作或死亡的最佳结构。

Juarez-Orozco博士说：“该算法逐步从数据中学习，经过多轮分析后，它计算出应该用于有效识别患者事件的高维模式。“