目前 AI 系統在診斷疾病、分析醫學圖像和預測健康結果方面表現出巨大的前景，甚至在諸如手術縫合和診斷嬰兒自閉癥等方面比醫生表現更好。但現在，在 AI 醫學應用又有了新進展，英國諾丁漢大學的研究人員創建了一個掃描患者常規醫療數據的系統，以預測其在未來 10 年心臟病或中風風險。

　　目前預測這類心血管疾病實際上是一個非常困難的任務。研究人員在最近發表的論文中表示，大約有一半的心臟病和中風發生在那些沒有被標記為“有風險”的人群中。而目前評估患者患病風險的標準方法主要依賴于心臟協會學會制定的指南。現有標準的著眼點在于用高血壓，膽固醇，年齡，吸煙和糖尿病等風險因素判定其發病幾率。

　　研究員 Stephen Weng 和他的同事基于英國的 378，256 名患者的病歷檔案測試了幾種不同的機器學習工具。這些病歷檔案記錄了 2005 年至 2015 年的患者及其健康狀況，包含醫療條件，處方藥，醫院就診，檢查結果等信息。 研究人員把 75%的病歷送到他們的機器學習模型中，以找出 10 年內經歷心臟病發作或中風的患者的特征。然后對其他 25%的記錄進行了模型測試，來檢測他們預測心臟病發作和中風的準確程度如何。

　　如果用 1.0 分表示 100%準確度，傳統預測標準得分為 0.728。而機器學習模型的結果是從 0.745 到 0.764，最佳分數來自神經網絡機器學習模型：神經網絡模型在 7404 例實際病例成功預測了 4，998 例，比傳統方法多了 355 例。利用該技術進行預測可以幫助醫生采取相應的預防措施，如為有發病風險的患者開具處方藥來降低膽固醇。

　　那么該 AI 工具在實際診斷中是如何幫助醫生工作的呢?Stephen Weng 表示他們的算法可以在查看、分析整個患者列表后，將有發病風險的患者標記出來，提醒醫生注意。這個過程可以既可以發生在病患坐在醫生面前進行例行檢查的時候，也可以在病人不在場時完成。Stephen Weng 指出該平臺的主要優勢在于預測準確度：雖然類似的臨床決策支持軟件已經存在，但不同于這些軟件，他們開發的系統使用了 AI 模式識別，可以提供更準確結果預測。

　　諾丁漢大學研究人員 Stephen Weng 表示，目前在實驗室中測試的 AI 醫療工具將很快提高臨床醫生在診斷和預后方面的準確性。“從研究到臨床護理應用的飛躍將在未來五年內發生。”

　　然而目前面臨的問題是，在 AI 進入真正的醫療場景之前仍然要得到監管認可。Stephen Weng 說：“實施的主要障礙將是管理隱私和患者保密問題，計算機算法需要通過大量病人數據進行分析，其中包含隱私的醫療信息。除了處理這些隱私問題外，也面臨防止醫療機器做出自主決定的安全性問題。那么，“機器學習工具什么時候可以預測自己何時能獲批上市呢?”

風風險。