研究人員使用AI開發(fā)臨床預測模型

根據(jù)發(fā)表在PLOS One上的一項研究，威爾士卡迪夫的卡迪夫大學的研究人員使用基于AI的方法開發(fā)了一種臨床預測模型。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確而可靠的預后。

卡迪夫大學醫(yī)學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：“如果我們能夠改進這些方法，它們將使我們能夠更早地確定那些需要預防措施的人。”

臨床預測模型使用各種特征來預測診斷或預后結(jié)果。通常，臨床醫(yī)生和統(tǒng)計學家使用手動調(diào)整的Cox回歸模型來估計各種疾病的風險。

在這項研究中，研究人員使用基因編程(GP)來開發(fā)臨床預測模型，并評估患者未來發(fā)生心血管事件的風險，例如心血管死亡，非致命性中風或非致命性心肌梗塞。GP被描述為一種基于AI的方法，其中將計算機程序編碼為一組基因，然后使用進化算法對其進行修改。

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

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

卡迪夫大學計算機科學與信息學學院的合著者，教授艾琳娜·斯帕奇奇(Irena Spacic)在一份聲明中說：“解釋機器學習提供的解決方案的能力迄今使該技術在整合到臨床實踐中受到了阻礙。”

“但是，鑒于最近神經(jīng)網(wǎng)絡的興起，重要的是不要旁聽其他機器學習方法，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。”