机器学习模型预测病患死亡率准度更高

美国宾州格伊辛格卫生医疗系统(Geisinger Health)Manar D. Samad博士及其同事，对17多万个病患进行实验，试图比较机器学习和心力评量表(Framingham Risk Score)评估死亡率的精准度，结果证实机器学习模型利用电子病历(EHR)超音波心电图资料，确实可准确预测病患的死亡率。

据报导，超音波心电图向来是治疗的依据，但随著资料量与日俱增，必须仰赖机器学习算法的处理能力。Samad表示，每次超音波心电图检查包含上千张影像，如此大量的资料，加上要把握黄金治疗时间，光凭人力并无法发挥超音波心电图资料的潜力。

研究团队指出，机器学习模型比起一般临床方式，更能够准确预测生存率，这在之前的研究已经获得证实，再者，随著信息科技系统和运算能力持续提升，未来会有更多精密而准确的模型。

年龄和三尖瓣逆流最大速率是预测生存率的两大变量，再来是心率、低密度脂蛋白胆固醇和左心室射出率(LVEF)。整体而言，有5个临床变量和5个超音波心电图变量，特别适合预测1年内生存率，另有4个临床变量和6个超音波心电图变量，特别适合预测5年内生存率。

研究团队找出预测生存率的十大指标，光凭这10个指标即可达到96%精准度，目前已证明机器学习技术的强大预测能力，未来仍需要进一步的研究，以协助管控病患风险，帮助医生做出更明智的临床决策。