هر ساله تقریباً ۲۰ میلیون نفر به علت بیماری‌های قلبی-عروقی می‌میرند. تیمی از محققین دانشگاه ناتینگهام در انگلستان، نوعی الگوریتم یادگیری ماشینی را توسعه داده‌اند که می‌تواند احتمال بروز حمله یا سکته قلبی را با تبحری در سطح پزشکان حاذق و حتی فراتر از آنها پیش بینی نماید.
دانشکده قلب و عروق آمریکا و انجمن قلب آمریکا (ACC/AHA) چندین راهنمای تخصصی را برای برآورد ریسک ابتلا به بیماری قلبی-عروقی در افراد مستعد منتشر ساخته که براساس هشت عامل از جمله سن، میزان کلسترول و فشار خون عمل می‌کنند. به طور میانگین، این سیستم می‌تواند ریسک فردی را با دقت حدود ۷۲.۸ درصد پیش بینی کند.
اگرچه رقم فوق کاملاً خیره کننده است، اما استفن وانگ و تیم تحقیقاتی‌اش در دانشگاه ناتینگهام توانستند آن را بهبود ببخشند. این پژوهشگران چهار الگوریتم یادگیری کامپیوتری را توسعه داده و از اطلاعات بیش از ۳۷۸۲۵۶ بیمار انگلیسی برای آموزش آنها استفاده کردند.
در ابتدا سوابق ۲۹۵۰۰۰ بیمار برای ساخت مدل پیش بینی داخلی در اختیار الگوریتم‌ها قرار گرفت، سپس مابقی اطلاعات برای آزمودن و اصلاح مدل‌ها به کار گرفته شد. نتایج حاصل نشان داد الگوریتم‌های مورد بحث حتی از راهنماهای ACC/AHA نیز بهتر عمل می‌کنند و دقت عملکرد آنها به ۷۴.۵ الی ۷۶.۴ درصد می‌رسد. در بین روش‌های مورد استفاده، الگوریتم مبتنی بر شبکه‌های عصبی بهترین نتیجه را ارائه کرد و با افزایش ۷.۶ درصدی صحت عملکرد در مقایسه با بهترین راهنماهای موجود، توانست درصد پیش‌بینی‌های اشتباه را نیز تا ۱.۶ درصد کاهش دهد.
با ارزیابی بیش از ۸۳۰۰۰ مجموعه سوابق پزشکی توسط این سیستم، مشخص شد که الگوریتم‌های پیش‌بینی مبتنی‌بر یادگیری ماشینی می‌توانستند جان ۳۵۵ انسان دیگر را هم نجات دهند. جالب اینجاست که در سامانه هوش مصنوعی مورد بحث، ریسک فکتورها و عواملی از جمله بیماری روانی شدید یا مصرف داروهای کورتیکواستروئیدی خوراکی (کورتون) نیز در بین موارد زمینه‌ساز بیماری قلبی جای گرفته، در حالی که در راهنماهای پزشکی کنونی معمولاً به آنها توجهی نمی‌شود.
منبع: engadget
