如何更加有效地测算人类的死亡风险，是很长一段时间内困扰医学界的难题。但随着人工智能技术的兴起，特别是在医学领域的大规模，深层次应用，使得这一难题正在得以逐步解决。从近期发表的研究报告来看，科学家们已经掌握了其中的初步规律。

　　再生医学网获悉，近日，研究人员发现，使用心脏超声心动图视频开发的计算机算法可以预测患者一年内的死亡率。

　　研究结果表明，该算法（所谓基于机器学习或人工智能（AI）的范例）优于其他临床使用的预测指标，包括汇总队列方程式和Seattle Heart Failure得分。研究结果发表在《Nature Biomedical Engineering》杂志上。

　　“我们很高兴发现机器学习可以利用诸如医学图像和视频之类的非结构化数据集来改善各种临床预测模型，”该系共同资深作者兼助理教授Chris Haggerty博士说。

　　成像对大多数医学专业的治疗决策至关重要，并且已成为电子健康记录（EHR）中数据最丰富的组成部分之一。例如，心脏的单次超声可产生约3,000张图像，心脏病专家在众多其他诊断数据的背景下，只有有限的时间来解释这些图像。这为利用诸如机器学习之类的技术来管理和分析该数据并最终为医生提供智能计算机帮助创造了巨大的机会。

　　在他们的研究中，研究团队使用专门的计算硬件在过去十年中从34362名Geisinger患者收集的812278张超声心动图视频中训练了机器学习模型。这项研究将模型的结果与心脏病学家基于多次调查的预测进行了比较。随后的调查显示，在该模型的辅助下，心脏病专家的预测准确性提高了13％。利用近5000万张图像，这项研究代表了有史以来最大的医学图像数据集之一。

　　“我们的目标是开发改善患者护理的计算机算法，”Geisinger转换数据科学与信息学系作者兼高级数据科学家Alvaro Ulloa Cerna博士说。“在这种情况下，我们为我们的算法能够帮助心脏病专家改善对患者的预测而感到兴奋，因为有关治疗和干预措施的决策均基于这些类型的临床预测。

　　最后，再生医学网认为，人工智能作为新兴技术的代表，已在医学领域得到了广泛应用。特别是随着该项研究成果的问世，更是进一步拓展了人工智能技术在医学领域的应用可能性。相信随着该项研究成果在临床得以实际应用，届时定能够大幅度降低患者的死亡风险。