摘要
使用人工智能(AI)，心脏病学家现在可以比标准的临床风险评估更好地预测心脏病发作和心脏死亡的长期风险。
利用人工智能(AI)，心脏病学家现在可以比标准的临床风险评估更好地预测心脏病发作和心脏死亡的长期风险。
一项新的心血管研究发现，机器学习，即计算机用来学习执行任务的模式和推论，可以预测心脏病发作和心脏死亡的长期风险。的确，与心脏病学家使用的标准临床风险评估相比，机器学习似乎更能预测心脏病发作和心脏死亡。
研究人员在这里研究了来自前瞻性随机研究试验的成像臂的受试者，他们接受了可用的心脏CT扫描和长期随访的冠状动脉钙评分。这里的参与者是无症状的中年受试者，有心血管危险因素，但没有已知的冠状动脉疾病。
研究小组使用机器学习来评估受试者心肌梗死和心脏死亡的风险，然后将预测结果与受试者15年的实际经验进行比较。研究对象回答了一份调查问卷，以确定心血管风险因素，并描述他们的饮食、锻炼和婚姻状况。
最终的研究包括1912名受试者，在他们第一次被研究的15年后。在此随访期间，76名受试者出现心肌梗死和/或心脏死亡事件。受试者预测的机器学习分数与实际观察到的事件分布精确一致。
动脉粥样硬化性心血管疾病风险评分是心脏病学家使用的标准临床风险评估，它过高估计了高危事件的风险。机器学习没有。在未经调整的分析中，较高的预测机器学习风险与较高的心脏事件风险显著相关。
“我们的研究表明,机器学习整合的临床危险因素和成像技术措施能准确的个性化病人痛苦等不良事件的风险心脏病发作或猝死,”说,虽然机器学习模型有时被视为“黑匣子”,我们也试图阐明机器学习;在这份手稿中，我们以两个病人的个人预测为例。当在扫描后应用时，这种个体化的预测可以帮助指导对患者的建议，以减少他们发生不良心脏事件的风险。"
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
