这种每年导致几十万人死亡的疾病,AI已经找到了预测方法!

药明康德AI/报道

急性冠状动脉综合征(ACS)指以冠状动脉粥样硬化斑块破裂或侵袭,继发完全或不完全闭塞性血栓形成为病理基础的一组临床综合征。ACS是一种常见的严重心血管疾病,是冠心病的一种严重类型。如果不及时治疗,可能会导致心脏病发作,甚至对生命安全造成威胁。数据显示仅在美国,每年就有超过 61 万人死于心脏病。因此,这种疾病的及时治疗和预防是非常重要的。

图片来源:Pixabay

针对这一情况,来自IBM和阿斯利康的科学家们研发出了一个机器学习模型,能够检测出早期的ACS迹象并提出预警。这篇论文目前已经发表在了Arxiv.org上。

该团队使用了一个数据集进行研究,该数据集由中国 38 家城市及农村医院的 26986 名成年住院患者组成,记录了他们的年龄、性别、病史、习惯、实验室检查结果、治疗步骤、ACS类型和近40个其他特征。研究人员将这些特征反馈给他们研发出的神经网络,来同时对四个因素进行预测:患者在患上ACS之前是否出现过主要不良心血管事件 (MACE);他们是否接受过抗血小板药物治疗,以防止形成冠状动脉内血栓;他们是否接受过用来降低血压的β受体阻滞剂治疗;他们是否接受过他汀类药物治疗(这种药物有助于降低胆固醇水平,进而预防心脏病发作和中风)。

▲该研究的示意图(图片来源:arxiv.org)

接下来,研究人员采用了k均值聚类算法,这是一种统计方法,按照数据点的相似性,将它们分配到集合中。研究人员根据从神经网络中获得的分类数据,将患者划分成了7个不同的群组。从这些群组的研究中,他们获得了很多有用的结论:在MACE出现率高但患病率低的人群中,糖尿病是ACS的预测因素之一;而在另一个包含“严重”疾病患者的群组中,年龄和收缩压在ACS进展中发挥了很大的作用。 

研究人员提醒说,尽管这些指标对疾病预后有影响,但它是否能(或应该)为临床实践提供所需的信息,这一点尚未明朗。同时他们还指出,如果没有进行进一步研究的话,这些可能导致ACS的因素就无法直接转化为临床干预。尽管如此,他们的工作表明,由AI驱动的聚类分析对于ACS患者的风险预测来说,是一种很有前景的方法。 

参考资料:

[1] AI predicts precursors to heart attacks. Retrieved March 15, 2019, from https://venturebeat.com/2019/03/05/ai-predicts-precursors-to-heart-attacks/

[2] Xia, et al., (2019). Outcome-Driven Clustering of Acute Coronary Syndrome Patients using Multi-Task Neural Network with Attention. Arxiv.org, arXiv:1903.00197

本文来自药明康德微信团队,欢迎转发到朋友圈,谢绝转载到其它平台。如有开设白名单需求,请在文章底部留言;如有其它合作需求,请联系wuxi_media@wuxiapptec.com。

更多精彩文章:

准确率可达77%!IBM使用机器学习,早诊阿兹海默病再进一步

基因检测能帮助预防糖尿病?先别急着激动,这几点需要注意!

肺癌诊断新突破!机器学习识别肿瘤模式及亚型,表现与病理学家相当

首例!可诊断癌症的人工智能技术获得FDA“突破性设备”认定

女性想健康,AI来帮忙

大家关注的公众号越来越多,找不到“药明康德AI”怎么办?简单四步,将“药明康德AI”设置为星标公众号,问题即可解决。

点“好看”,分享AI健康新动态