心脏病是目前常见的一种循环系统疾病。全球每年近2000万人死于心血管及其相关疾病，包括心脏病、脑梗以及其他循环系统疾病。
心脏病虽然很容易诊断，但是却难以预测发作时间。目前最广为使用的方法来自于美国心脏病学会和美国心脏学会提供的指导性文件，主要从年龄、血压、心率等多个指标进行评判。由于采样指标过于简单，没有考虑到患者在治疗过程中康复锻炼、用药以及患者可能存在的其他疾病与生活方式的影响，因此预测效果向来不佳。
据《科学》杂志17日报道，英国诺丁汉大学科学家开发了一种人工智能新算法，能显著提高心脏病发作预测准确率，若投入临床应用，每年或可挽救数百万生命。
诺丁汉大学流行病学家史蒂芬·翁带领团队，详细比较了ACC/AHA预测指南与4种机器学习算法——随机森林、逻辑回归、梯度增强和神经网络之间的数据分析效率，并希望在没有人为指导的情况下创建预测工具。
海量数据被输入到系统中使用机器学习算法进行分析，包括英国378256名患者的电子病历，目的是在与心血管疾病发作有关的记录中找到共同模式。人工智能算法先用大约78%的病历记录，建立自己的内部“指导方针”，然后对剩余的记录进行测试。基于2005年的可用记录数据，人工智能预测了在未来10年内哪些患者心血管疾病会首次发作，并对照检查了2015年的记录数据，其考虑的变量比ACC/AHA指南多出22个，包括种族、关节炎和肾脏疾病等因素。
结果显示，机器学习方法表现明显优于ACC/AHA指南。表现最好的神经网络算法，比ACC/AHA方法的正确预测率高出7.6%，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。其中，对预测结果影响最强的变量包括是否有严重精神疾病、是否服用口服皮质类固醇，以及是否罹患糖尿病。
英国曼彻斯特大学数据科学家认为，如果“投喂”更多的数据给新的人工智能算法，可能获得更佳的效果。
数据来源：新浪科技
识别二维码，关注“格物课堂”