類Netflix演算法 可預測「死期」…準確率達90%

類似Netflix和Spotify等串流系統用來推薦個別用戶觀看或聆賞影音內容的演算法，竟然可以預測出誰有可能心臟病發作或死亡，而且準確率高達90%。

研究人員讓950名抱怨胸痛的病患接受冠狀動脈電腦斷層掃描相關儀器測試，之後再將所得資訊，拿去給受過機器訓練的LogitBoost演算。這種演算法的程式編寫，使用85種變數計算出患者健康風險，結果精準到讓眾多醫生跌破眼鏡。

機器訓練屬於人工智慧發展的一環，指的是讓機器「自主學習」。

這項在核心臟病學及心臟電腦斷層掃描國際會議（International Conference on Nuclear Cardiology and Cardiac CT，ICNC）發表的最新研究結果顯示，研究人員持續追踪患者六年，結果發現，演算法得出的健康風險評估預料會發生24次心臟病發作並造成49人死亡，精確度高達90%。

研究報告作者芬蘭圖爾庫PET中心(Turku PET Centre)華洛斯-歐洛斯柯(Luis Eduardo Juarez-Orozco)指出，「機器算法方面的進步，遠遠超出了醫學現有發展。醫學風險評估結果需要謹慎以待，我們手上的數據顯然有待充分發揮」。

醫生主要依據風險評分來決定如何治療，但這些評分大都是根據病患少量的變數做出。機器則是通過反複調整，使用大量數據來辨識出人類不明顯的複雜模式。

華洛斯-歐洛斯柯表示，「人類很難想到三維或四維。而且，當情況跳到第五維時，我們就沒輒了。研究顯示，非常多維的模式比單維模式更有用，可以預測出個別結果；我們的確需要機器學習。」

華洛斯-歐洛斯柯指出，機器學習可以整合出各項數據並準確預測個人風險，醫生得以提供患者個別化治療，得到更好的結果。