随着大数据时代的到来，我们的生活渐渐依赖于人工智能。而这一切都得益于于人工智能对个人大量数据的追踪和算法技术的精确画像才能实现。近年来，人工智能也慢慢涉猎到医学界中。
在近日举行的“2019国际核心脏病和心脏CT会议（ICNC）”上，来自芬兰图尔库PET中心的Luis Eduardo Juarez-Orozco博士及其团队创造了一种能够预测死亡和心脏病发作的算法机器LogitBoost。
研究人员通过对950名患者的85个变量进行长达6年的追踪，利用算法“学习”成像数据如何相互作用，并最终确定了与死亡和心脏病发作相关联的变量及模式，其预测准确率能够超过90％。
人类很难想到三维或四维
通常，在对患者进行治疗时，医生都使用“风险评分“的方法来决定治疗方案。不幸的是，这些评分标准所参考的仅仅是少量的变量条件，普适却缺乏精准。在对患者进行个性化治疗中缺乏“定制化”，因此，患者的多样性致病原因难以得到针对性治疗。
鉴于此，Luis Eduardo Juarez-Orozco博士强调了机器学习和人工智能在处理医疗数据方面的重要性。他解释说：“人类很难思考三个维度或四个维度，当我们的思维跳到第五维度时，我们就完全迷失了。所以，我们需要非常高的维度模式才能更好的预测个体结果，因此我们急需人工智能的加入。”
于是，Juarez-Orozco博士及其研究团队纳入了950例胸痛患者，并开发了一款名叫LogitBoost的算法技术为这些患者寻找冠状动脉疾病的治疗方案。
本次研究首先对980名胸痛患者进行冠状动脉计算机断层扫描血管造影（CCTA），产生58条关于冠状动脉斑块、血管狭窄和钙化的扫描结果数据。接着，对患有提示疾病的患者进行正电子发射断层扫描（PET），产生17个血流量变量。
为了丰富变量类型，加入从医疗记录中所获得的包括性别、年龄、吸烟和糖尿病等10个临床变量，最终确定这85个变量成为LogitBoost学习的对象。
数据还没有被充分利用
其实，在临床医学中，医生都存获了大量的一手患者数据，也正是因为人脑的局限性，和缺乏良性的统计和分析技术，耽误了个性化精准性治疗方案。
对此，Juarez-Orozco博士说：“我们有数据，但我们并没有充分利用它们。人工智能可以整合大量数据，并通过算法准确地评估个体风险，这应该可以为患者个性化治疗带来好消息。”
研究人员发现，在患者平均6年的随访时间中，出现了24次心脏病发作现象，以及49人死亡。以此作为检验人工智能算法准确性的标准LogitBoost反复分析以上85个变量，并终于找到了能够预测心脏病发作或死亡的最佳公式。
研究发现，单独使用10个临床变量的预测性能是适度的，曲线下面积（AUC）为0.65（其中1.0是完美检验，0.5是随机结果）。当添加17个PET数据时，AUC增加至0.69。当将58个CCTA数据添加到临床和PET数据时，预测性能显着增加（p = 0.005），给出AUC 0.82和超过90％的准确度。
对于这个结果，Juarez-Orozco博士兴奋的表示，人工智能算法可以逐步在多变量数据中进行学习。经过多轮分析后，它们可以运用高维思考能力去有效准确地识别患者。或许，为患者个性化治疗提供“精准服务”的未来已来。
对于这个研究结果，有网友表示，这个就厉害了，如果可以扩大研究到其它疾病，把所有引起某类疾病的变量都考虑进去，是不是也意味着人类可以，甚至是无限延长寿命？
这样的话恐怕还非得人工智能不可了，或许今后我们随时戴个健康手环就可以预测哪个生活方式更健康了。
“禾家社区”，居民家门口的健康管家
正如广大网友所期待的那样，未来，人工智能、大数据等必将引领人类健康服务。
雲禾（浙江）科技集团依托强大的数据平台驱动的大健康平台——“禾家社区”。倾力打造居民家门口的健康管家。
未来不仅实现实时监测、守护健康、就近服务、方便快捷、产品服务、质量溯源。满足各级医疗机构和社区居民日益增多的健康服务需求。“禾家社区”
以需求为向导：平台紧紧围绕中国居民非临床医疗的健康消费和服务需求，方便居民一站式获取各类健康服务。
服务深入各级医院和社区：平台整合各类无创筛查、检测设备，把各类健康服务送到病患床前和居民家门口。
无缝连接医院：平台整合共享陪护设备等作为医院服务的优化和补充，实现居民就近获取优质医疗资源。
开放数据接口：平台将运用各类可穿戴设备，远程、实时监测居民健康，为居民建立健康档案。
信息可溯源：平台利用DAPP（去中心化应用）等技术让所有信息以可信任的区块链形式存储。方便居民和健康服务机构去伪存真，获取真实可信任信息。
网友评论