目前 AI 系統(tǒng)在診斷疾病、分析醫(yī)學(xué)圖像和預(yù)測健康結(jié)果方面表現(xiàn)出巨大的前景，甚至在諸如手術(shù)縫合和診斷嬰兒自閉癥等方面比醫(yī)生表現(xiàn)更好。但現(xiàn)在，在 AI 醫(yī)學(xué)應(yīng)用又有了新進(jìn)展，英國諾丁漢大學(xué)的研究人員創(chuàng)建了一個掃描患者常規(guī)醫(yī)療數(shù)據(jù)的系統(tǒng)，以預(yù)測其在未來 10 年心臟病或中風(fēng)風(fēng)險。

目前預(yù)測這類心血管疾病實(shí)際上是一個非常困難的任務(wù)。研究人員在最近發(fā)表的論文中表示，大約有一半的心臟病和中風(fēng)發(fā)生在那些沒有被標(biāo)記為“有風(fēng)險”的人群中。而目前評估患者患病風(fēng)險的標(biāo)準(zhǔn)方法主要依賴于心臟協(xié)會學(xué)會制定的指南?，F(xiàn)有標(biāo)準(zhǔn)的著眼點(diǎn)在于用高血壓，膽固醇，年齡，吸煙和糖尿病等風(fēng)險因素判定其發(fā)病幾率。

研究員 Stephen Weng 和他的同事基于英國的 378，256 名患者的病歷檔案測試了幾種不同的機(jī)器學(xué)習(xí)工具。這些病歷檔案記錄了 2005 年至 2015 年的患者及其健康狀況，包含醫(yī)療條件，處方藥，醫(yī)院就診，檢查結(jié)果等信息。 研究人員把 75%的病歷送到他們的機(jī)器學(xué)習(xí)模型中，以找出 10 年內(nèi)經(jīng)歷心臟病發(fā)作或中風(fēng)的患者的特征。然后對其他 25%的記錄進(jìn)行了模型測試，來檢測他們預(yù)測心臟病發(fā)作和中風(fēng)的準(zhǔn)確程度如何。

如果用 1.0 分表示 100%準(zhǔn)確度，傳統(tǒng)預(yù)測標(biāo)準(zhǔn)得分為 0.728。而機(jī)器學(xué)習(xí)模型的結(jié)果是從 0.745 到 0.764，最佳分?jǐn)?shù)來自神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)模型：神經(jīng)網(wǎng)絡(luò)模型在 7404 例實(shí)際病例成功預(yù)測了 4，998 例，比傳統(tǒng)方法多了 355 例。利用該技術(shù)進(jìn)行預(yù)測可以幫助醫(yī)生采取相應(yīng)的預(yù)防措施，如為有發(fā)病風(fēng)險的患者開具處方藥來降低膽固醇。

那么該 AI 工具在實(shí)際診斷中是如何幫助醫(yī)生工作的呢?Stephen Weng 表示他們的算法可以在查看、分析整個患者列表后，將有發(fā)病風(fēng)險的患者標(biāo)記出來，提醒醫(yī)生注意。這個過程可以既可以發(fā)生在病患坐在醫(yī)生面前進(jìn)行例行檢查的時候，也可以在病人不在場時完成。Stephen Weng 指出該平臺的主要優(yōu)勢在于預(yù)測準(zhǔn)確度：雖然類似的臨床決策支持軟件已經(jīng)存在，但不同于這些軟件，他們開發(fā)的系統(tǒng)使用了 AI 模式識別，可以提供更準(zhǔn)確結(jié)果預(yù)測。

諾丁漢大學(xué)研究人員 Stephen Weng 表示，目前在實(shí)驗(yàn)室中測試的 AI 醫(yī)療工具將很快提高臨床醫(yī)生在診斷和預(yù)后方面的準(zhǔn)確性。“從研究到臨床護(hù)理應(yīng)用的飛躍將在未來五年內(nèi)發(fā)生。”

然而目前面臨的問題是，在 AI 進(jìn)入真正的醫(yī)療場景之前仍然要得到監(jiān)管認(rèn)可。Stephen Weng 說：“實(shí)施的主要障礙將是管理隱私和患者保密問題，計(jì)算機(jī)算法需要通過大量病人數(shù)據(jù)進(jìn)行分析，其中包含隱私的醫(yī)療信息。除了處理這些隱私問題外，也面臨防止醫(yī)療機(jī)器做出自主決定的安全性問題。那么，“機(jī)器學(xué)習(xí)工具什么時候可以預(yù)測自己何時能獲批上市呢?”