【本報訊】醫生有很多工具和方 法預測患者的健康隱患，但仍無 法百分百應對人體的複雜性，心 臟病發作就是最難預測的情況之 一。 英國研究人員最新報告說，他 們研發了一種人工智慧系統，讓 電腦通過「自學」各種醫學指徵 和資料，來預測患者的心臟病發 病風險，準確率高於人類醫生。 美國心臟病協會的統計資料顯
示，全球每年有近2000萬人死於 心梗、中風、血管堵塞等心血管 系統疾病。包括美國心臟病協會 在內的很多機構使用年齡、膽固 醇水準、血壓等8項～10項指標來
預測患者的心臟病發作風險。 英國諾丁漢大學研究人員在美 國《科學公共圖書館．綜合》雜 誌上報告說，影響人體健康的因 素很多，人體各系統的相互作用
也十分複雜，電腦科學可以幫助 醫務人員探索這些因素之間的關 聯。在他們開發的人工智慧系統 中，電腦使用了4種機器學習方 法，分析英國近38萬名患者的電 子醫療記錄，尋找心臟病發病模 式。 據介紹，人工智慧系統首先進 行自我訓練，使用78%的患者資料 來尋找發病模式並構建自己的診 斷指導系統。 接下來，系統用剩餘22%的醫療 記錄對自己進行測試：先用2005 年的資料進行學習歸納，然後預 測此後10年內哪些患者會首次患 上心血管疾病，最後使用2015年 的記錄檢查預測結果。 結果顯示，4種機器學習方法預 測心臟病發作的準確率全部優於 傳統醫生診斷標準。 美國心臟病協會預測指導方針 的準確率在72.8%，而4種人工智 慧方法的精確度在74.5%～76.4% 之間。其中準確率最高的一種機 器學習方法還降低了一定的錯誤 預警率，相當於在8.3萬名患者中 額外挽救了355人的生命，因為錯 誤預警診斷可能會讓本不需要服 用降低膽固醇藥物的人服藥，濫 用藥物同樣對人體有害。 此外，與美國心臟病協會的指 導方針不同，這個人工智慧系統 綜合考慮了超過22個因素。被人 工智慧系統認定為心臟病發作高 危因素的嚴重神經疾病、口服皮 質類固醇等因素都沒有在美國心 臟病協會的指導方針中。而美國 心臟病協會推薦將糖尿病作為預 測心臟病發作的高風險因素之 一，但4種機器學習演算法都排除 了這一風險因素。 研究人員表示，他們計畫接下 來讓機器學習演算法涵蓋生活方 式和遺傳等因素，進一步提高預 測的精確度，更好地幫助醫務人 員預測患者心臟病發作風險。