预防和预测心脑血管意外事件是非常重要的临床问题，目前根据美国心脏病学会和美国心脏学会两家学会（ACC/AHA）联合指南，利用10种关键影响影响因素综合评分，可以预测患者未来10年内发生心脑血管意外的概率。这些因素包括年龄、性别、高血压史、动脉硬化、种族、吸烟、心脏病等。但是心脑血管意外事件的影响因素并不只有常见因素，也有更多非常见因素，具体到患者个体，可能次要因素会成为重要因素。所以这个预测方法存在一定误差，也有医生的主观因素。

机器学习能更好地从过去患者资料中总结出判断标准，利用这种方法或许能提高心脑血管意外的预测准确度。最近英国诺丁汉大学流行病学家Stephen Weng的团队利用机器学习技术，发现预测的准确性比利用指南预测高出7.6%。

ACC/AHA的系列指南，是基于年龄、胆固醇水平和血压等八个因素，对患者罹患心血管并的风险加以评估。平均来说，利用这些指南的预测正确率可高达72.8%。尽管这已经相当准确，但Stephen Weng及其团队想做得更好。他们设计了4种计算机学习算法，然后输入英国378,256名患者的数据。该系统首先使用大约295,000条记录，以生成内部预测模型。然后，使用剩余的记录对算法进行测试和完善。计算结果大大高于ACC/AHA标准，准确率范围从74.5%到76.4%不等。经测试，4种算法中神经网络算法的准确率最高，比现有标准高出7.6个百分点，同时，误报率也提高了1.6%。

参与测试的83,000组病人记录中，如果使用该系统，可以额外挽救355个生命。有趣的是，人工智能系统确定了一些未包括在现有指南内的风险因素，如严重精神疾病和口服皮质类固醇也是导致心脑血管意外的重要影响因素。

虽然这个文章只发表在Plos one上，但这应该是大数据和人工智能技术向临床医学诊断和预防医学领域的实质性的挑战。所以引起了《科学》记者的关注，作为头条新闻在网站上发布。

http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0174944