密苏里大学哥伦比亚分校
心血管疾病仍然是全球死亡的主要原因。为了挽救生命，不断改进诊断和风险评估至关重要。密苏里大学医学院的一位研究人员正在探索使用机器学习（一种人工智能技术）来实现这一目标。
一些评估使用传统的统计分析来预测患者的风险。这些预测模型已在医学领域广泛应用，例如用于再住院风险的评估。
在这种机器学习模型中，研究人员使用了患有特定心脏病患者的正电子发射断层扫描(PET)结果，来确定他们发生主要不良心脏事件(MACE)的风险。
研究作者法里斯·阿拉达布(Fares Alahdab)表示："我们的模型在分配患者MACE风险方面比其他解读数据的预测模型更加准确。这有助于优化患者的个体化护理。"
大多数传统模型在可用于预测的数据量以及处理数据变量间关系的能力上都存在限制。阿拉达布的机器学习模型突破了这些限制。
阿拉达布表示："我们使用冠状动脉疾病患者高级核扫描的信息来训练我们的模型，其中一些方法也可应用于其他疾病。识别出最容易发生不良健康事件的患者对于个性化护理计划和维持其生活质量至关重要。"
法里斯·阿拉达布医学博士是密苏里大学医学院生物医学信息学、生物统计学和流行病学以及心脏病学的副教授。他同时也是健康信息学研究生项目的主任。
《利用机器学习改进心血管事件的预后风险评估：基于正电子发射断层扫描心肌灌注成像的评估》最近已在《美国核心脏病学会官方期刊》《核心脏病学杂志》上提前在线发表。研究作者包括来自休斯顿卫理公会德贝基心脏与血管中心的艾哈迈德·易卜拉欣·艾哈迈德医学博士、马哈茂德·阿尔·里法伊医学博士和穆阿兹·阿尔-马拉赫医学博士，以及来自爱沙尼亚塔尔图大学的拉德瓦·埃尔·肖伊哲学博士。
【全文结束】
