医生有很多工具用来预测一名患者的健康情况。但他们也许会告诉你，这些工具无法与人体的复杂性完全匹配。特别是心脏病便很难进行预测。如今，科学家报告说，他们研发了一种人工智能系统，这种能够自学的计算机可以比标准的医学指南做得更好，从而显著提高预测的准确率。一旦投入应用，新的方法每年将能够拯救数千甚至数百万人的生命。

并未参与该项研究的美国加利福尼亚州帕洛阿尔托市斯坦福大学心血管外科医生elsie ross表示：“我已经无法表达它是多么重要。”ross说：“我多么希望医生们开始接受人工智能的使用，并用它来帮助我们照顾病人。”

美国心脏病协会的统计数据显示，全球每年有近2000万人死于心梗、中风、血管堵塞等心血管系统疾病。包括美国心脏病协会在内的很多机构使用年龄、胆固醇水平、血压等8到10项指标来预测患者的心脏病发作风险。

英国诺丁汉大学研究人员在美国《科学公共图书馆·综合》杂志上报告说，影响人体健康的因素很多，人体各系统的相互作用也十分复杂，计算机科学可以帮助医务人员探索这些因素之间的关联。在他们开发的人工智能系统中，计算机使用了4种机器学习方法，分析英国近38万名患者的电子医疗记录，寻找心脏病发病模式。

英国诺丁汉大学流行病学家stephen weng表示：“在生物系统中有很多交互作用。”“这是人体的现实。”weng说，“计算机科学所做的就是让我们能够探索这些关联。”

据介绍，人工智能系统首先进行自我训练，使用78%的患者数据来寻找发病模式并构建自己的诊断指导系统。接下来，系统用剩余22%的医疗记录对自己进行测试：先用2005年的数据进行学习归纳，然后预测此后10年内哪些患者会首次患上心血管疾病，最后使用2015年的记录检查预测结果。

结果显示，4种机器学习方法预测心脏病发作的准确率全部优于传统医生诊断标准。美国心脏病协会预测指导方针的准确率在72.8%，而4种人工智能方法的精确度在74.5%到76.4%之间。其中准确率最高的一种机器学习方法还降低了一定的错误预警率，相当于在8.3万名患者中额外挽救了355人的生命，因为错误预警诊断可能会让本不需要服用降低胆固醇药物的人服药，滥用药物同样对人体有害。

此外，与美国心脏病协会的指导方针不同，这个人工智能系统综合考虑了超过22个因素。被人工智能系统认定为心脏病发作高危因素的严重神经疾病、口服皮质类固醇等因素都没有在美国心脏病协会的指导方针中。而美国心脏病协会推荐将糖尿病作为预测心脏病发作的高风险因素之一，但４种机器学习算法都排除了这一风险因素。

在英国曼彻斯特大学从事初级护理数据库工作的数据科学家evangelos kontopantelis表示：“这是一项高质量的工作。”kontopantelis指出，把更多的计算能力或更多的训练数据用于这个问题“可能会带来更大的收益”。

研究人员表示，他们计划接下来让机器学习算法涵盖生活方式和遗传等因素，进一步提高预测的精确度，更好地帮助医务人员预测患者心脏病发作风险。

那么医生会很快在他们的实践中采用类似的机器学习方法吗？ross说，医生一直为自己的专业知识感到自豪。“但是像我一样的新一代的一员认为，我们或许可以由计算机进行辅助。”

以上是网络信息转载，信息真实性自行斟酌。