诺丁汉大学开发 AI 心脏病预测系统，准确度已超传统诊断方法

 目前 AI 系统在诊断疾病、分析医学图像和预测健康结果方面表现出巨大的前景，甚至在诸如手术缝合和诊断婴儿自闭症等方面比医生表现更好。但现在，在 AI 医学应用又有了新进展，英国诺丁汉大学的研究人员创建了一个扫描患者常规医疗数据的系统，以预测其在未来 10 年心脏病或中风风险。

目前预测这类心血管疾病实际上是一个非常困难的任务。研究人员在最近发表的论文中表示，大约有一半的心脏病和中风发生在那些没有被标记为“有风险”的人群中。而目前评估患者患病风险的标准方法主要依赖于心脏协会学会制定的指南。现有标准的着眼点在于用高血压，胆固醇，年龄，吸烟和糖尿病等风险因素判定其发病几率。

研究员 Stephen Weng 和他的同事基于英国的 378，256 名患者的病历档案测试了几种不同的机器学习工具。这些病历档案记录了 2005 年至 2015 年的患者及其健康状况，包含医疗条件，处方药，医院就诊，检查结果等信息。 研究人员把 75%的病历送到他们的机器学习模型中，以找出 10 年内经历心脏病发作或中风的患者的特征。然后对其他 25%的记录进行了模型测试，来检测他们预测心脏病发作和中风的准确程度如何。

如果用 1.0 分表示 100%准确度，传统预测标准得分为 0.728。而机器学习模型的结果是从 0.745 到 0.764，最佳分数来自神经网络机器学习模型：神经网络模型在 7404 例实际病例成功预测了 4，998 例，比传统方法多了 355 例。利用该技术进行预测可以帮助医生采取相应的预防措施，如为有发病风险的患者开具处方药来降低胆固醇。

那么该 AI 工具在实际诊断中是如何帮助医生工作的呢?Stephen Weng 表示他们的算法可以在查看、分析整个患者列表后，将有发病风险的患者标记出来，提醒医生注意。这个过程可以既可以发生在病患坐在医生面前进行例行检查的时候，也可以在病人不在场时完成。Stephen Weng 指出该平台的主要优势在于预测准确度：虽然类似的临床决策支持软件已经存在，但不同于这些软件，他们开发的系统使用了 AI 模式识别，可以提供更准确结果预测。

诺丁汉大学研究人员 Stephen Weng 表示，目前在实验室中测试的 AI 医疗工具将很快提高临床医生在诊断和预后方面的准确性。“从研究到临床护理应用的飞跃将在未来五年内发生。”

然而目前面临的问题是，在 AI 进入真正的医疗场景之前仍然要得到监管认可。Stephen Weng 说：“实施的主要障碍将是管理隐私和患者保密问题，计算机算法需要通过大量病人数据进行分析，其中包含隐私的医疗信息。除了处理这些隐私问题外，也面临防止医疗机器做出自主决定的安全性问题。那么，“机器学习工具什么时候可以预测自己何时能获批上市呢?”