目前AI系統(tǒng)在診斷疾并分析醫(yī)學(xué)圖像和預(yù)測健康結(jié)果方面表現(xiàn)出巨大的前景，甚至在諸如手術(shù)縫合和診斷嬰兒自閉癥等方面比醫(yī)生表現(xiàn)更好。但現(xiàn)在，在AI醫(yī)學(xué)應(yīng)用又有了新進展，英國諾丁漢大學(xué)的研究人員創(chuàng)建了一個掃描患者常規(guī)醫(yī)療數(shù)據(jù)的系統(tǒng)，以預(yù)測其在未來10年心臟病或中風(fēng)風(fēng)險。

目前預(yù)測這類心血管疾病實際上是一個非常困難的任務(wù)。研究人員在最近發(fā)表的論文中表示，大約有一半的心臟病和中風(fēng)發(fā)生在那些沒有被標記為“有風(fēng)險”的人群中。而目前評估患者患病風(fēng)險的標準方法主要依賴于心臟協(xié)會學(xué)會制定的指南?，F(xiàn)有標準的著眼點在于用高血壓，膽固醇，年齡，吸煙和糖尿病等風(fēng)險因素判定其發(fā)病幾率。

研究員Stephen Weng和他的同事基于英國的378,256名患者的病歷檔案測試了幾種不同的機器學(xué)習(xí)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(yī)療條件，處方藥，醫(yī)院就診，檢查結(jié)果等信息。 研究人員把75％的病歷送到他們的機器學(xué)習(xí)模型中，以找出10年內(nèi)經(jīng)歷心臟病發(fā)作或中風(fēng)的患者的特征。然后對其他25％的記錄進行了模型測試，來檢測他們預(yù)測心臟病發(fā)作和中風(fēng)的準確程度如何。

如果用1.0分表示100％準確度，傳統(tǒng)預(yù)測標準得分為0.728。而機器學(xué)習(xí)模型的結(jié)果是從0.745到0.764，最佳分數(shù)來自神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)模型：神經(jīng)網(wǎng)絡(luò)模型在7404例實際病例成功預(yù)測了4,998例，比傳統(tǒng)方法多了355例。利用該技術(shù)進行預(yù)測可以幫助醫(yī)生采取相應(yīng)的預(yù)防措施，如為有發(fā)病風(fēng)險的患者開具處方藥來降低膽固醇。

那么該AI工具在實際診斷中是如何幫助醫(yī)生工作的呢？Stephen Weng表示他們的算法可以在查看、分析整個患者列表后，將有發(fā)病風(fēng)險的患者標記出來，提醒醫(yī)生注意。這個過程可以既可以發(fā)生在病患坐在醫(yī)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(yōu)勢在于預(yù)測準確度：雖然類似的臨床決策支持軟件已經(jīng)存在，但不同于這些軟件，他們開發(fā)的系統(tǒng)使用了AI模式識別，可以提供更準確結(jié)果預(yù)測。

諾丁漢大學(xué)研究人員Stephen Weng表示，目前在實驗室中測試的AI醫(yī)療工具將很快提高臨床醫(yī)生在診斷和預(yù)后方面的準確性。“從研究到臨床護理應(yīng)用的飛躍將在未來五年內(nèi)發(fā)生。”

然而目前面臨的問題是，在AI進入真正的醫(yī)療場景之前仍然要得到監(jiān)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，計算機算法需要通過大量病人數(shù)據(jù)進行分析，其中包含隱私的醫(yī)療信息。除了處理這些隱私問題外，也面臨防止醫(yī)療機器做出自主決定的安全性問題。那么，“機器學(xué)習(xí)工具什么時候可以預(yù)測自己何時能獲批上市呢？”

登陸|注冊歡迎登陸本站，認識更多朋友，獲得更多精彩內(nèi)容推薦！