根據(jù)發(fā)表在PLOS One上的一項(xiàng)研究，威爾士卡迪夫的卡迪夫大學(xué)的研究人員使用基于AI的方法開發(fā)了一種臨床預(yù)測(cè)模型。該模型表明，與傳統(tǒng)方法相比，它可以為患有心血管疾病的患者提供準(zhǔn)確而可靠的預(yù)后。

卡迪夫大學(xué)醫(yī)學(xué)院研究合著者兼教授克雷格·柯里(Craig Currie)博士在一份聲明中說：“如果我們能夠改進(jìn)這些方法，它們將使我們能夠更早地確定那些需要預(yù)防措施的人。”

臨床預(yù)測(cè)模型使用各種特征來預(yù)測(cè)診斷或預(yù)后結(jié)果。通常，臨床醫(yī)生和統(tǒng)計(jì)學(xué)家使用手動(dòng)調(diào)整的Cox回歸模型來估計(jì)各種疾病的風(fēng)險(xiǎn)。

在這項(xiàng)研究中，研究人員使用基因編程(GP)來開發(fā)臨床預(yù)測(cè)模型，并評(píng)估患者未來發(fā)生心血管事件的風(fēng)險(xiǎn)，例如心血管死亡，非致命性中風(fēng)或非致命性心肌梗塞。GP被描述為一種基于AI的方法，其中將計(jì)算機(jī)程序編碼為一組基因，然后使用進(jìn)化算法對(duì)其進(jìn)行修改。

該研究的目的是確定GP在臨床預(yù)測(cè)模型的自動(dòng)開發(fā)中的效用，并將其可預(yù)測(cè)性與傳統(tǒng)方法進(jìn)行比較。研究人員使用了3800多名心血管疾病患者的數(shù)據(jù)集進(jìn)行研究。

研究表明，這兩種模型的可預(yù)測(cè)性表現(xiàn)均具有可比性，GP模型證明“作為用于診斷和預(yù)后目的的臨床預(yù)測(cè)模型自動(dòng)開發(fā)方法的巨大潛力”，克里斯蒂安·A·班尼斯特(Christian A. Bannister)博士，卡迪夫大學(xué)醫(yī)學(xué)院等。寫道。

卡迪夫大學(xué)計(jì)算機(jī)科學(xué)與信息學(xué)學(xué)院的合著者，教授艾琳娜·斯帕奇奇(Irena Spacic)在一份聲明中說：“解釋機(jī)器學(xué)習(xí)提供的解決方案的能力迄今使該技術(shù)在整合到臨床實(shí)踐中受到了阻礙。”

“但是，鑒于最近神經(jīng)網(wǎng)絡(luò)的興起，重要的是不要旁聽其他機(jī)器學(xué)習(xí)方法，特別是那些提供透明性的方法，例如基因編程或決策樹。畢竟，我們正在尋求利用人工智能來幫助人類專家，而不是將他們完全排除在外。”