目前，全球每年近2000萬人死于心血管疾病及相關疾病，包括心臟病發(fā)作、中風、腦動脈梗塞和其他循環(huán)系統(tǒng)功能障礙。為了預測這些疾病，許多醫(yī)生使用美國心臟病學會(ACC)和美國心臟學會(AHA)提供的指南，包括評估年齡、膽固醇水平、血壓等8個風險因素。但這些指標過于簡單，無法解釋患者服用多種藥物、其他疾病及生活方式等因素的影響。

諾丁漢大學流行病學家史蒂芬·翁帶領團隊，詳細比較了ACC/AHA預測指南與4種機器學習算法——隨機森林、邏輯回歸、梯度增強和神經網絡之間的數據分析效率，并希望在沒有人為指導的情況下創(chuàng)建預測工具。

機器學習被“投喂”了大量數據，包括英國378256名患者的電子病歷，目的是在與心血管疾病發(fā)作有關的記錄中找到共同模式。首先，人工智能算法利用大約78%的病歷記錄，建立自己的內部“指導方針”，然后對剩余的記錄進行測試;人工智能考慮的變量比ACC/AHA指南多出22個，包括種族、關節(jié)炎和腎臟疾病等因素;基于2005年的可用記錄數據，預測在未來10年內哪些患者心血管疾病會首次發(fā)作，并對照檢查了2015年的記錄數據。

結果顯示，機器學習方法表現明顯優(yōu)于ACC/AHA指南。表現最好的神經網絡算法，比ACC/AHA方法的正確預測率高出7.6%，還降低了一定的錯誤預警率，相當于在8.3萬名患者中額外挽救了355人的生命。其中，對預測結果影響最強的變量包括是否有嚴重精神疾病、是否服用口服皮質類固醇，以及是否罹患糖尿病。

英國曼徹斯特大學數據科學家認為，如果“投喂”更多的數據給新的人工智能算法，可能會帶來更大的收益。