机器学习+多维时空,预测心梗死亡准确率达90%

2019年5月12日在葡萄牙里斯本,由美国核心脏病学会 (ASNC)、欧洲心血管影像学协会 (EACVI) 和欧洲核医学协会 (EANM),所组织的核心脏病和心脏 CT 国际会议 (ICNC) 上,一篇研究报告,“机器学习在预测死亡或心脏病发作方面超过了人类” 引起了国际关注,也让同行的专家跌破了眼睛。

利用机器学习(Machine Learning通过训练LogitBoost算法,对950名患者六年的跟踪及85个变量进行反复分析,预测其心梗发作和死亡的准确率达90%;

机器学习是人工智能 (AI) 的现代基石, 每天都在使用。谷歌的搜索引擎、智能手机上的人脸识别、自动驾驶、奈飞(Netflex)和声破天(Spotify) 推荐系统都使用机器学习算法来适应个人用户。

研究报告的撰写者、芬兰图尔库 pet 中心的路易斯·爱德华多·华雷兹-奥罗兹科(Luis Eduardo Juarez-Orozco)博士说: “这些进展远远超出了医学方面所取得的进展, 在医学方面, 我们需要谨慎对待如何评估风险和结果。我们有数据, 但我们还没有充分利用它的潜力。”

医生用风险分数来做治疗决定。但这些分数仅仅基于少数变量, 并且在单个患者中通常具有适度的准确性。通过重复和调整, 机器学习可以利用大量数据, 并识别对人类来说可能并不明显的复杂模式。

图片来源于网络

Juarez-Orozco 博士解释说: “人类很难思考超过三个维度 (立方体) 或四个维度 (通过时间的立方体)。当我们跳入第五维时空的那一刻, 我们就迷失了。我们的研究表明, 非常高的维度模式比单维模式更有用, 可以预测个体的结果, 为此, 我们需要机器学习。

这项研究为950名胸痛患者进行了研究, 他们接受了该中心通常的治疗冠心病的治疗方案。冠状动脉造影 (CCTA) 扫描产生了58条关于是否存在冠状动脉斑块、血管狭窄和钙化的数据。那些扫描提示疾病的人接受了正电子发射断层扫描 (PET), 该扫描产生了17个关于血液流动的变量。从医学记录中获得了10个临床变量, 包括性别、年龄、吸烟和糖尿病。

在平均六年的随访中, 有24例心脏病发作, 49 人因任何原因死亡。这85个变量被输入到一个名为 LogitBoost 的机器学习算法中, 该算法对它们进行了反复分析, 直到它找到了预测心脏病发作或死亡的最佳结构。

华雷兹-奥罗兹科博士说: “医生已经收集了很多有关患者的信息–比如那些胸痛的病人。我们发现机器学习可以整合这些数据, 准确预测个人风险。这将使我们能够个性化治疗, 并最终为患者带来更好的结果。