比人类更准确：人工智能可有效预测心脏病与中风

在许多实验中（尽管还并没有出现在许多临床中），人工智能系统在诊断疾病、分析医学图像以及预测健康状况方面展示出很好的前景。它们在某些任务中，甚至比医生们做的还要好，例如手术缝线和诊断婴幼儿自闭症。

据《IEEE科技纵览》报道，英国诺丁汉大学的研究人员创造出一种系统，可以扫描患者的日常医疗数据并且预测他们当中的哪些人可能在未来十年内患有心脏病或中风的可能。当它与标准的预测方法进行比较时，人工智能系统多预测对了355名患者的命运。

众所周知，预测这些心血管疾病是一件极其困难的事。在《公共科学图书馆·综合》杂志最近刊登的一篇报告中，研究人员注意到将近有一半的心脏病和中风出现在那些没有被标记为“处于危险中”的人们身上。

目前，评估患者患病风险的标准方法依赖于美国心脏病协会和美国心脏病学院制定的指导方针。医生使用这些集中于已确认的风险因素（例如高血压、胆固醇偏高、衰老、抽烟以及糖尿病）的指导方针为他们的病人制定咨询建议和治疗方案。

为了建立一个更好的系统，研究员Stephen Weng和他的同事们利用来自英国的37.8万名患者的医疗记录测试了不同的机器学习工具。这些记录追踪了这些患者从2005年至2016年间的健康状况，还包含了人口统计、医疗条件、处方药、看病次数、实验结果等方面的信息。

研究人员抽取了75%的医疗记录，录入机器学习模型中，后者开始着手找出那些在10年内罹患心脏病和中风的病人的明显特征。接下来，Weng的团队利用剩下25%的记录检测这些模型以观察他们预测心脏病和中风的准确性。他们还利用部分医疗记录检测了标准的指导方针。

在一个1.0分意味着100%准确性的统计数据中，标准的指导方针得到了0.728分。机器学习模型的分数从0.745到0.764不等，最高分来自于一种被称作神经网络的机器学习模型。

虽然机器所取得的分数听起来并不是一个巨大的成功，但是从人类的角度看，这个分数的意义就变得非常明显了：神经网络模型在7,404个真实案例中预测出了4,998个后来身患心脏病或中风的病人——比标准方式多了355个。若有那些预测在手，医生本可以采取一些预防性措施，比如提供降低胆固醇的处方药。

Weng说道，如今在实验室进行测试的人工智能医疗工具将会很快提高临床医师在诊断和预断两方面的准确性。“这样一个从调查研究到临床护理实际应用的飞跃将会在未来5年内发生。”

在实践中这个系统将会是什么样子？Weng描绘了一个繁忙的初级护理医生使用已经训练好的人工智能工具识别模式的画面。“然后这个演算程序可以逐一查看所有的病人列表，把这个病人进行标记，然后提请医生注意，”他说，“这个过程可以在一次常规预约中病人坐在医生面前的时候完成，也可以在一次对整个病人列表进行的系统化筛选中完成。”虽然Weng注意到了已经有类似的临床决策辅助软件存在，但是他说，那些系统并没有利用人工智能模式识别，而这个系统提供的结果将会准确得多。

然而，在人工智能进入实际应用阶段之前，这项技术将不得不跨越一些严重的监管阻碍。“随着计算机算法网罗了大量包含机密及敏感的医疗信息的病人数据，对于（这项技术的）实施而言，最关键的障碍将会是应对隐私及病患守密问题”

除了解决那些隐私问题外，任何人工智能技术都必须应对监管者对于医疗机器的谨慎，自行决策的问题。随着所有那些繁文缛节的逼近，人们可能想知道：一个机器学习工具预测自己获得批准的可能性会如何呢？