目前AI系统在临床疾病、分析医学图像和预测身体健康结果方面展现出出有极大的前景，甚至在诸如手术穿孔和临床婴儿自闭症等方面比医生展现出更佳。但现在，在AI医学应用于又有了新进展，英国诺丁汉大学的研究人员创立了一个扫瞄患者常规医疗数据的系统，以预测其在未来10年心脏病或中风风险。

目前预测这类心血管疾病实质上是一个十分艰难的任务。研究人员在最近公开发表的论文中回应，约有一半的心脏病和中风再次发生在那些没被标记为“有风险”的人群中。而目前评估患者患病风险的标准方法主要依赖心脏协会学会制订的指南。现有标准的着眼点在于用高血压，胆固醇，年龄，吸烟者和糖尿病等风险因素判断其发作几率。

研究员StephenWeng和他的同事基于英国的378，256名患者的病历档案测试了几种有所不同的机器学习工具。这些病历档案记录了2005年至2015年的患者及其健康状况，包括医疗条件，处方药，医院就医，检查结果等信息。研究人员把75％的病历送往他们的机器学习模型中，以找到10年内经历心脏病发作或中风的患者的特征。然后对其他25％的记录展开了模型测试，来检测他们预测心脏病发作和中风的精确程度如何。

如果用1．0分回应100％准确度，传统预测标准得分成0．728。而机器学习模型的结果就是指0．745到0．764，最佳分数来自神经网络机器学习模型：神经网络模型在7404事例实际病例顺利预测了4，998事例，比传统方法多了355事例。

利用该技术展开预测可以协助医生采取相应的预防措施，如为有发作风险的患者出示处方药来减少胆固醇。那么该AI工具在实际临床中是如何协助医生工作的呢？StephenWeng回应他们的算法可以在查阅、分析整个患者列表后，将有发作风险的患者标记出来，警告医生留意。这个过程可以既可以再次发生在病患躺在医生面前展开例行检查的时候，也可以在病人不到场时已完成。StephenWeng认为该平台的主要优势在于预测准确度：虽然类似于的临床决策支持软件早已不存在，但不同于这些软件，他们研发的系统用于了AI模式识别，可以获取更加精确结果预测。

本文来源：全民购彩大厅首页-www.garden-of-lily.com