这次谈到的人工智能是用来救命的！

医生有很多种方法来预测病人的健康状况，然而很多方法与人体的复杂性并不匹配，特别是心脏病的发作很难预料。现在，科学家们已经证明，能够自主学习的计算机甚至比标准的医学指导具有更强的执行力，显著提高了预测率。如此以来，这种新方法每年可以挽救数千甚至数百万人的生命。

“我无法形容他们有多重要，”加利福尼亚斯坦福大学一名血管外科医生Elsie Ross说道，“我真的非常希望医生们能够使用人工智能来帮助我们照顾病人。”

每年有近2000万人死于心血管疾病，包括心脏病、中风、动脉阻塞和其他循环系统故障。为了预测这些病例，许多医生使用美国心脏病学会/美国心脏协会（ACC / AHA）的指南。这些是医生们基于年龄、胆固醇水平和血压等八项基本因素结合形成的。

但这依然过于简单，它无法解释病人需要服用的多种药物，或其他疾病和生活方式等因素。英国诺丁汉大学的流行病学家Stephen Weng说：“生物系统中存在很多相互作用，其中一些相互作用是违反直觉的，在某些情况下，大量的身体脂肪实际上可以预防心脏病，这是人体的现实。我们能做的就是利用计算机科学探索这些关联。”

在新的研究中，Stephen Weng和他的同事分析了ACC / AHA准则与四种机器学习算法的应用：随机森林、logistic回归、梯度提升和神经网络。通过这四种技术分析大量数据，使机器能够在没有任何指令的情况下，进行自主预测，这些数据来自于英国378256例患者的电子病历，他们的目标是在与心血管事件相关的记录中找到相应的模式。

首先，人工智能（AI）算法必须做到自主学习。它会用大约78%的数据来记录模式，建立自己的内部“指南”，并且能够预测在未来的10年里，哪些病人会患心血管疾病，测。与ACC / AHA指南不同，机器学习方法允许考虑22个数据点，包括种族、关节炎和肾脏等疾病。

Stephen Weng的团队本月在PLoS One报告中指出，显然AI的方法优于ACC / AHA准则。据AUC（其中得分为1表示准确率为100%）的统计，ACC / AHA指南命中率为0.728。四个新方法的准确率在0.745到0.764之间。最好的一个神经网络它能够达到低于1.6%的误报，正是因为有了准确的预测，通过使用降低胆固醇的药物或饮食的变化，可以进行有效的预防。

在英国曼彻斯特大学从事初级保健数据库的数据科学家Evangelos Kontopantelis，表示，这是一项高质量的工作，并且通过计算能力的提升或更多数据问题的解决，会产生更大的效益。

被认为能够预测严重的精神疾病和口服皮质类固醇激素等危险因素的最强算法，是这几种机器学习算法，而不是ACC / AHA准则。Stephen Weng表示，他希望在未来包括其他生活方式和遗传因素的计算机算法，能够进一步提高准确性。

机器学习算法像是一个黑盒子，你可以看到里面的数据，并且决定它的输入和输出，但是你不能把握在这中间会发生什么，因此，这使得人类很难去调整算法，哪怕是把它置于一个新的场景后，阻碍了下一步的预测。

很多医生都对自己的专业知识感到足够自信，那么他们在工作中真的能够很快采取类似于机器学习的算法吗？不管怎样，作为新时代的一员，在工作中能够很好的利用计算机的辅助，是很有必要的。

 往期推荐