醫(yī)生有很多工具用來預(yù)測一名患者的健康情況。但他們也許會告訴你，這些工具無法與人體的復(fù)雜性完全匹配。特別是心臟病便很難進行預(yù)測。如今，科學(xué)家報告說，他們研發(fā)了一種人工智能系統(tǒng)，這種能夠自學(xué)的計算機可以比標(biāo)準(zhǔn)的醫(yī)學(xué)指南做得更好，從而顯著提高預(yù)測的準(zhǔn)確率。一旦投入應(yīng)用，新的方法每年將能夠拯救數(shù)千甚至數(shù)百萬人的生命。
并未參與該項研究的美國加利福尼亞州帕洛阿爾托市斯坦福大學(xué)心血管外科醫(yī)生Elsie Ross表示：“我已經(jīng)無法表達它是多么重要。”Ross說：“我多么希望醫(yī)生們開始接受人工智能的使用，并用它來幫助我們照顧病人。”
美國心臟病協(xié)會的統(tǒng)計數(shù)據(jù)顯示，全球每年有近2000萬人死于心梗、中風(fēng)、血管堵塞等心血管系統(tǒng)疾病。包括美國心臟病協(xié)會在內(nèi)的很多機構(gòu)使用年齡、膽固醇水平、血壓等8到10項指標(biāo)來預(yù)測患者的心臟病發(fā)作風(fēng)險。
英國諾丁漢大學(xué)研究人員在美國《科學(xué)公共圖書館·綜合》雜志上報告說，影響人體健康的因素很多，人體各系統(tǒng)的相互作用也十分復(fù)雜，計算機科學(xué)可以幫助醫(yī)務(wù)人員探索這些因素之間的關(guān)聯(lián)。在他們開發(fā)的人工智能系統(tǒng)中，計算機使用了4種機器學(xué)習(xí)方法，分析英國近38萬名患者的電子醫(yī)療記錄，尋找心臟病發(fā)病模式。
英國諾丁漢大學(xué)流行病學(xué)家Stephen Weng表示：“在生物系統(tǒng)中有很多交互作用。”“這是人體的現(xiàn)實。”Weng說，“計算機科學(xué)所做的就是讓我們能夠探索這些關(guān)聯(lián)。”
據(jù)介紹，人工智能系統(tǒng)首先進行自我訓(xùn)練，使用78%的患者數(shù)據(jù)來尋找發(fā)病模式并構(gòu)建自己的診斷指導(dǎo)系統(tǒng)。接下來，系統(tǒng)用剩余22%的醫(yī)療記錄對自己進行測試：先用2005年的數(shù)據(jù)進行學(xué)習(xí)歸納，然后預(yù)測此后10年內(nèi)哪些患者會首次患上心血管疾病，最后使用2015年的記錄檢查預(yù)測結(jié)果。
結(jié)果顯示，4種機器學(xué)習(xí)方法預(yù)測心臟病發(fā)作的準(zhǔn)確率全部優(yōu)于傳統(tǒng)醫(yī)生診斷標(biāo)準(zhǔn)。美國心臟病協(xié)會預(yù)測指導(dǎo)方針的準(zhǔn)確率在72.8%，而4種人工智能方法的精確度在74.5%到76.4%之間。其中準(zhǔn)確率最高的一種機器學(xué)習(xí)方法還降低了一定的錯誤預(yù)警率，相當(dāng)于在8.3萬名患者中額外挽救了355人的生命，因為錯誤預(yù)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(xié)會的指導(dǎo)方針不同，這個人工智能系統(tǒng)綜合考慮了超過22個因素。被人工智能系統(tǒng)認(rèn)定為心臟病發(fā)作高危因素的嚴(yán)重神經(jīng)疾病、口服皮質(zhì)類固醇等因素都沒有在美國心臟病協(xié)會的指導(dǎo)方針中。而美國心臟病協(xié)會推薦將糖尿病作為預(yù)測心臟病發(fā)作的高風(fēng)險因素之一，但４種機器學(xué)習(xí)算法都排除了這一風(fēng)險因素。
在英國曼徹斯特大學(xué)從事初級護理數(shù)據(jù)庫工作的數(shù)據(jù)科學(xué)家Evangelos Kontopantelis表示：“這是一項高質(zhì)量的工作。”Kontopantelis指出，把更多的計算能力或更多的訓(xùn)練數(shù)據(jù)用于這個問題“可能會帶來更大的收益”。
研究人員表示，他們計劃接下來讓機器學(xué)習(xí)算法涵蓋生活方式和遺傳等因素，進一步提高預(yù)測的精確度，更好地幫助醫(yī)務(wù)人員預(yù)測患者心臟病發(fā)作風(fēng)險。
那么醫(yī)生會很快在他們的實踐中采用類似的機器學(xué)習(xí)方法嗎？Ross說，醫(yī)生一直為自己的專業(yè)知識感到自豪。“但是像我一樣的新一代的一員認(rèn)為，我們或許可以由計算機進行輔助。”
