比人類更準確：人工智慧可有效預測心臟病與中風

在許多實驗中（儘管還並沒有出現在許多臨床中），人工智慧系統在診斷疾病、分析醫學圖像以及預測健康狀況方面展示出很好的前景。它們在某些任務中，甚至比醫生們做的還要好，例如手術縫線和診斷嬰幼兒自閉症。

據《IEEE科技縱覽》報道，英國諾丁漢大學的研究人員創造出一種系統，可以掃描患者的日常醫療數據並且預測他們當中的哪些人可能在未來十年內患有心臟病或中風的可能。當它與標準的預測方法進行比較時，人工智慧系統多預測對了355名患者的命運。

眾所周知，預測這些心血管疾病是一件極其困難的事。在《公共科學圖書館·綜合》雜誌最近刊登的一篇報告中，研究人員注意到將近有一半的心臟病和中風出現在那些沒有被標記為「處於危險中」的人們身上。

目前，評估患者患病風險的標準方法依賴於美國心臟病協會和美國心臟病學院制定的指導方針。醫生使用這些集中於已確認的風險因素（例如高血壓、膽固醇偏高、衰老、抽煙以及糖尿病）的指導方針為他們的病人制定諮詢建議和治療方案。

為了建立一個更好的系統，研究員Stephen Weng和他的同事們利用來自英國的37.8萬名患者的醫療記錄測試了不同的機器學習工具。這些記錄追蹤了這些患者從2005年至2016年間的健康狀況，還包含了人口統計、醫療條件、處方葯、看病次數、實驗結果等方面的信息。

研究人員抽取了75%的醫療記錄，錄入機器學習模型中，後者開始著手找出那些在10年內罹患心臟病和中風的病人的明顯特徵。接下來，Weng的團隊利用剩下25%的記錄檢測這些模型以觀察他們預測心臟病和中風的準確性。他們還利用部分醫療記錄檢測了標準的指導方針。

在一個1.0分意味著100%準確性的統計數據中，標準的指導方針得到了0.728分。機器學習模型的分數從0.745到0.764不等，最高分來自於一種被稱作神經網路的機器學習模型。

雖然機器所取得的分數聽起來並不是一個巨大的成功，但是從人類的角度看，這個分數的意義就變得非常明顯了：神經網路模型在7,404個真實案例中預測出了4,998個後來身患心臟病或中風的病人——比標準方式多了355個。若有那些預測在手，醫生本可以採取一些預防性措施，比如提供降低膽固醇的處方葯。

Weng說道，如今在實驗室進行測試的人工智慧醫療工具將會很快提高臨床醫師在診斷和預斷兩方面的準確性。「這樣一個從調查研究到臨床護理實際應用的飛躍將會在未來5年內發生。」

在實踐中這個系統將會是什麼樣子？Weng描繪了一個繁忙的初級護理醫生使用已經訓練好的人工智慧工具識別模式的畫面。「然後這個演算程序可以逐一查看所有的病人列表，把這個病人進行標記，然後提請醫生注意，」他說，「這個過程可以在一次常規預約中病人坐在醫生面前的時候完成，也可以在一次對整個病人列表進行的系統化篩選中完成。」雖然Weng注意到了已經有類似的臨床決策輔助軟體存在，但是他說，那些系統並沒有利用人工智慧模式識別，而這個系統提供的結果將會準確得多。

然而，在人工智慧進入實際應用階段之前，這項技術將不得不跨越一些嚴重的監管阻礙。「隨著計算機演算法網羅了大量包含機密及敏感的醫療信息的病人數據，對於（這項技術的）實施而言，最關鍵的障礙將會是應對隱私及病患守密問題」

除了解決那些隱私問題外，任何人工智慧技術都必須應對監管者對於醫療機器的謹慎，自行決策的問題。隨著所有那些繁文縟節的逼近，人們可能想知道：一個機器學習工具預測自己獲得批准的可能性會如何呢？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！