這次談到的人工智慧是用來救命的！

醫生有很多種方法來預測病人的健康狀況，然而很多方法與人體的複雜性並不匹配，特別是心臟病的發作很難預料。現在，科學家們已經證明，能夠自主學習的計算機甚至比標準的醫學指導具有更強的執行力，顯著提高了預測率。如此以來，這種新方法每年可以挽救數千甚至數百萬人的生命。

「我無法形容他們有多重要，」加利福尼亞斯坦福大學一名血管外科醫生Elsie Ross說道，「我真的非常希望醫生們能夠使用人工智慧來幫助我們照顧病人。」

每年有近2000萬人死於心血管疾病，包括心臟病、中風、動脈阻塞和其他循環系統故障。為了預測這些病例，許多醫生使用美國心臟病學會/美國心臟協會（ACC / AHA）的指南。這些是醫生們基於年齡、膽固醇水平和血壓等八項基本因素結合形成的。

但這依然過於簡單，它無法解釋病人需要服用的多種藥物，或其他疾病和生活方式等因素。英國諾丁漢大學的流行病學家Stephen Weng說：「生物系統中存在很多相互作用，其中一些相互作用是違反直覺的，在某些情況下，大量的身體脂肪實際上可以預防心臟病，這是人體的現實。我們能做的就是利用計算機科學探索這些關聯。」

在新的研究中，Stephen Weng和他的同事分析了ACC / AHA準則與四種機器學習演算法的應用：隨機森林、logistic回歸、梯度提升和神經網路。通過這四種技術分析大量數據，使機器能夠在沒有任何指令的情況下，進行自主預測，這些數據來自於英國378256例患者的電子病歷，他們的目標是在與心血管事件相關的記錄中找到相應的模式。

首先，人工智慧（AI）演算法必須做到自主學習。它會用大約78%的數據來記錄模式，建立自己的內部「指南」，並且能夠預測在未來的10年里，哪些病人會患心血管疾病，測。與ACC / AHA指南不同，機器學習方法允許考慮22個數據點，包括種族、關節炎和腎臟等疾病。

Stephen Weng的團隊本月在PLoS One報告中指出，顯然AI的方法優於ACC / AHA準則。據AUC（其中得分為1表示準確率為100%）的統計，ACC / AHA指南命中率為0.728。四個新方法的準確率在0.745到0.764之間。最好的一個神經網路它能夠達到低於1.6%的誤報，正是因為有了準確的預測，通過使用降低膽固醇的藥物或飲食的變化，可以進行有效的預防。

在英國曼徹斯特大學從事初級保健資料庫的數據科學家Evangelos Kontopantelis，表示，這是一項高質量的工作，並且通過計算能力的提升或更多數據問題的解決，會產生更大的效益。

被認為能夠預測嚴重的精神疾病和口服皮質類固醇激素等危險因素的最強演算法，是這幾種機器學習演算法，而不是ACC / AHA準則。Stephen Weng表示，他希望在未來包括其他生活方式和遺傳因素的計算機演算法，能夠進一步提高準確性。

機器學習演算法像是一個黑盒子，你可以看到裡面的數據，並且決定它的輸入和輸出，但是你不能把握在這中間會發生什麼，因此，這使得人類很難去調整演算法，哪怕是把它置於一個新的場景後，阻礙了下一步的預測。

很多醫生都對自己的專業知識感到足夠自信，那麼他們在工作中真的能夠很快採取類似於機器學習的演算法嗎？不管怎樣，作為新時代的一員，在工作中能夠很好的利用計算機的輔助，是很有必要的。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！