近日，佛羅里達大西洋大學(xué)（FAU）和耶魯大學(xué)醫(yī)學(xué)院發(fā)表的兩項獨立研究表明：機器學(xué)習(xí)算法在改善慢性病風(fēng)險評估和護理方面發(fā)揮了關(guān)鍵作用，尤其對阿爾茨海默病（俗稱老年癡呆癥）患者和心臟病患者，機器學(xué)習(xí)可準確地預(yù)測發(fā)病風(fēng)險。

FAU牽頭的研發(fā)團隊，利用患者對藥物、睡眠質(zhì)量和記憶力等健康問題的回復(fù)，結(jié)合人口統(tǒng)計學(xué)信息，開發(fā)了一種機器學(xué)習(xí)模型來評估患者患老年癡呆癥的風(fēng)險。該方法可從多維度分析人體屬性和大腦的行為功能，挖掘和分析高級數(shù)據(jù)并持續(xù)學(xué)習(xí)，對疾病的進一步發(fā)展進行預(yù)測,該方法對阿爾茨海默病的檢測和治療具有重要意義。

耶魯大學(xué)醫(yī)學(xué)院的研究人員在Radiology發(fā)表的另一項研究中發(fā)現(xiàn)：將病人的64個冠狀CT成像特征輸入到機器學(xué)習(xí)模型中。該模型通過提取分析數(shù)據(jù)中的形態(tài)模式，可預(yù)測具有特定模式的患者比具有其他模式的患者更可能發(fā)生心臟病等不良事件。和傳統(tǒng)的方法相比，機器學(xué)習(xí)的預(yù)測結(jié)果更加準確。研究人員表示，如果增加人體的詳細數(shù)據(jù)，如年齡、吸煙、糖尿病和高血壓等，會進一步提高該方法的預(yù)測效果。