2017年4月14日，国际顶尖学术期刊《Science》杂志上在线发表了英国诺丁汉大学Stephen Weng研究员的一篇研究论文，研究报道了一种人工智能新算法，能显著提高心脏病发作预测准确率，若投入临床应用，每年或可挽救数百万生命。

　　目前，全球每年近2000万人死于心血管疾病及相关疾病，包括心脏病发作、中风、脑动脉梗塞和其他循环系统功能障碍。为了预测这些疾病，许多医生使用美国心脏病学会(ACC)和美国心脏学会(AHA)提供的指南，包括评估年龄、胆固醇水平、血压等8个风险因素，但这些指标过于简单，无法顾及患者服用多种药物、其他疾病及生活方式等因素的影响。

　　Stephen Weng团队详细比较了ACC/AHA预测指南与4种机器学习算法——随机森林、逻辑回归、梯度增强和神经网络之间的数据分析效率，并希望在没有人为指导的情况下创建预测工具。

　　机器学习被“投喂”了大量数据，包括英国378256名患者的电子病历，目的是在与心血管疾病发作有关的记录中找到共同模式。人工智能算法先用大约78%的病历记录，建立自己的内部“指导方针”，然后对剩余的记录进行测试。基于2005年的可用记录数据，人工智能预测了在未来10年内哪些患者心血管疾病会首次发作，并对照检查了2015年的记录数据，其考虑的变量比ACC/AHA指南多出22个，包括种族、关节炎和肾脏疾病等因素。

　　结果显示，机器学习方法表现明显优于ACC/AHA指南。表现最好的神经网络算法，比ACC/AHA方法的正确预测率高出7.6%，还降低了一定的错误预警率，相当于在8.3万名患者中额外挽救了355人的生命。其中，对预测结果影响最强的变量包括是否有严重精神疾病、是否服用口服皮质类固醇，以及是否罹患糖尿病。

　　原文链接：

　　Self-taught artificial intelligence beats doctors at predicting heart attacks

　　原文摘要：

　　Doctors have lots of tools for predicting a patient’s health. But—as even they will tell you—they’re no match for the complexity of the human body. Heart attacks in particular are hard to anticipate. Now, scientists have shown that computers capable of teaching themselves can perform even better than standard medical guidelines, significantly increasing prediction rates. If implemented, the new method could save thousands or even millions of lives a year.