准确率超90%!AI预测心脏病发作及死亡率远胜人类

近日,一项研究显示,机器学习在预测死亡或心脏病发作的表现已经超过了人类。通过分析950例患者的85个变量,以及长达6年的追踪研究,算法能够以超过90%的准确率确定与死亡和心脏病发作相关的变量模式。这项研究结果发表在了2019国际核心脏病和心脏CT会议(ICNC)上。

通常,在对患者进行治疗时,医生都使用“风险评分”的方法来决定治疗方案。但是,这些评分标准所参考的仅仅是少量的变量条件,普适却缺乏精准度。在对患者进行个性化治疗中缺乏“定制化”,因此,患者的多样性致病原因难以得到针对性治疗。

图片来源:123RF这项研究的作者、来自芬兰Turku PET Centre的Luis Eduardo Juarez-Orozco博士表示,人类的思考维度是有限的,而高维度模式比单维模式更有助于预测个体结果。因此,就需要机器学习来大显身手了。通过重复学习和不断调整,机器学习可以利用大量的数据,来识别那些对于人类来说可能并不明显的复杂模式

共有950名胸痛患者参与了这项研究。这些患者接受了Turku PET Centre对于冠状动脉疾病的常规治疗方案。冠状动脉计算机断层扫描血管造影术(CCTA)获得了58份关于冠状动脉斑块、血管狭窄和钙化的数据。随后,那些图像中显示患病的患者接受了正电子发射断层扫描(PET),产生了17个血流变量。此外,研究人员从患者的医疗记录中获得了10个临床变量,包括性别、年龄、吸烟和糖尿病史等。 

在平均 6 年的随访中,所有的患者中出现了24例心脏病发作,以及49例死亡。研究人员将全部85个变量输入一个名为LogitBoost的机器学习算法,算法逐步从数据中学习并进行分析,从而找到有效预测心脏病发作或死亡的最佳模式。而在最终的验证结果中,算法的预测准确率超过了90%。

Juarez-Orozco博士表示:“医生已经收集了很多关于患者的信息。通过研究我们发现,机器学习可以更好地整合这些数据,并准确预测个体风险。这将为个性化治疗开辟新的方向,最终为患者带来更好的治疗结果。”

参考资料:

[1] Machine learning overtakes humans in predicting death or heart attack. Retrieved May 15, 2019, from https://www.eurekalert.org/pub_releases/2019-05/esoc-mlo050719.php

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业心脏病机器学习
2
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

推荐文章
暂无评论
暂无评论~