预测6年死亡率,机器学习正在超越人类

机器学习是人工智能的基石,每天都在使用。谷歌的搜索引擎、智能手机上的人脸识别、自动驾驶汽车、Netflix和Spotify推荐系统都使用机器学习算法来适应个人用户。

机器学习在预测死亡或心脏病发作方面正在超越人类。这是今天在ICNC2019上发表的一项研究的主要信息。

一种算法通过反复分析950例已知6年结果的患者的85个变量,然后确定了与死亡和心脏病发作相关的变量模式,准确率超过90%。

芬兰图尔库PET中心的研究者指出,机器学习进展远远超出了医学领域的研究,我们需要谨慎对待我们如何评估风险和结果。当前,我们有数据,但我们还没有充分利用它。目前,医生使用风险评分来做出治疗决定,但是这些分数仅基于少数变量,并且在个体患者中往往具有适度的准确性。通过重复和调整,机器学习可以利用大量的数据,识别人类不易发现的复杂模式。

研究者解释说:“人类在思考三维(立方体)或四维(立方体通过时间)以外的东西时非常困难。当我们跳到第五维度的时候,我们就迷失了。我们的研究表明,非常高的维度模式比单维度模式更能预测个人的结果,因此我们需要机器学习。”

这项研究招募了950名胸痛患者,他们接受了该中心寻找冠状动脉疾病的常规治疗方案。冠状动脉计算机断层血管造影(CCTA)扫描识别出58条冠状动脉斑块、血管狭窄和钙化的数据。那些扫描显示有疾病的患者接受了正电子发射断层扫描(PET),该扫描产生了17个血流变量,包括性别、年龄、吸烟和糖尿病在内的10个临床变量从医疗记录中获得。

在平均6年的随访中,有24例心脏病发作,49例全因死亡。上述85个变量被输入到一种称为LogitBoost的机器学习算法中,该算法反复分析这些变量,直到找到预测这些患者心脏病发作或死亡的最佳结构。

研究者指出,该算法逐渐从数据中学习,经过无数次的分析,它找出了能有效地识别发生事件的患者的高维模式,其结果是个体风险得分。

当前临床实践,仅使用10个临床变量的预测性能是不够的,曲线下面积(AUC)为0.65。当添加PET数据时,AUC增加到0.69。再添加CCTA数据后,预测性能显著提高(P=0.005),AUC为0.82,准确率超过90%。

研究指出,当今医生已经掌握了很多关于患者的信息,而机器学习可以整合这些数据并准确预测个体风险,这将使我们能够实现个性化治疗。

来源:The abstract 'Refining the long-term prognostic value of hybrid PET/CT through machine learning' will be presented during the Young Investigator Awards session on Sunday 12 May at 09:00 to 10:00 WEST in room Faro.

转载:请标明“中国循环杂志”

欢迎购买《中国循环杂志》指南增刊和《GAP-CCBC精彩病例荟萃2018》!

《中国循环杂志》指南专刊,邀请来自国内各相关领域的资深专家,对过去一年近 30 个重要指南进行了详尽解读,愿能为广大心血管医生带来新知识、新理念、新思维。

长按图片,显示识别二维码,或用手机扫描二维码即可进入购买流程:

预测6年死亡率,机器学习正在超越人类

“阜外说心脏”入选国家卫生健康委品牌活动推荐名单

“阜外说心脏”,采用网络直播的方式,向广大心血管疾病患者提供科学、规范、靠谱的心血管疾病自我管理知识。经国家心血管病中心推荐,卫健委宣传司评选,“阜外说心脏” 系列节目入选国家卫生健康委品牌活动推荐名单。

每天一个微视频,助您心血管健康。

关于非法网站冒用我刊名义进行征稿的特别提醒

近期我们发现一些网站冒用“中国循环杂志”名义征稿,并承诺“职称论文权威快速发表”。

我刊郑重提醒各位作者,向《中国循环杂志》投稿,一定要登录中国循环杂志官方网站:

http://www.chinacirculation.org

进入“作者投稿”,在“作者投稿管理平台”中投稿。

本刊联系电话:010-68331974

订阅点击:

http://chinacirculation.org/WX/home/zxdy