發(fā)布日期：2019-05-17

　　近日，一項研究顯示，機器學習在預(yù)測死亡或心臟病發(fā)作的表現(xiàn)已經(jīng)超過了人類。通過分析950例患者的85個變量，以及長達6年的追蹤研究，算法能夠以超過90%的準確率確定與死亡和心臟病發(fā)作相關(guān)的變量模式。這項研究結(jié)果發(fā)表在了2019國際核心臟病和心臟CT會議（ICNC）上。

　　通常，在對患者進行治療時，醫(yī)生都使用“風險評分”的方法來決定治療方案。但是，這些評分標準所參考的僅僅是少量的變量條件，普適卻缺乏精準度。在對患者進行個性化治療中缺乏“定制化”，因此，患者的多樣性致病原因難以得到針對性治療。

　　這項研究的作者、來自芬蘭Turku PET Centre的Luis Eduardo Juarez-Orozco博士表示，人類的思考維度是有限的，而高維度模式比單維模式更有助于預(yù)測個體結(jié)果。因此，就需要機器學習來大顯身手了。通過重復學習和不斷調(diào)整，機器學習可以利用大量的數(shù)據(jù)，來識別那些對于人類來說可能并不明顯的復雜模式。

　　共有950名胸痛患者參與了這項研究。這些患者接受了Turku PET Centre對于冠狀動脈疾病的常規(guī)治療方案。冠狀動脈計算機斷層掃描血管造影術(shù)（CCTA）獲得了58份關(guān)于冠狀動脈斑塊、血管狹窄和鈣化的數(shù)據(jù)。隨后，那些圖像中顯示患病的患者接受了正電子發(fā)射斷層掃描（PET），產(chǎn)生了17個血流變量。此外，研究人員從患者的醫(yī)療記錄中獲得了10個臨床變量，包括性別、年齡、吸煙和糖尿病史等。

　　在平均 6 年的隨訪中，所有的患者中出現(xiàn)了24例心臟病發(fā)作，以及49例死亡。研究人員將全部85個變量輸入一個名為LogitBoost的機器學習算法，算法逐步從數(shù)據(jù)中學習并進行分析，從而找到有效預(yù)測心臟病發(fā)作或死亡的最佳模式。而在最終的驗證結(jié)果中，算法的預(yù)測準確率超過了90%。

　　Juarez-Orozco博士表示：“醫(yī)生已經(jīng)收集了很多關(guān)于患者的信息。通過研究我們發(fā)現(xiàn)，機器學習可以更好地整合這些數(shù)據(jù)，并準確預(yù)測個體風險。這將為個性化治療開辟新的方向，最終為患者帶來更好的治療結(jié)果。”

來源：藥明康德