近日，佛羅里達大西洋大學（FAU）和耶魯大學醫(yī)學院發(fā)表的兩項獨立研究表明：機器學習算法在改善慢性病風險評估和護理方面發(fā)揮了關鍵作用，尤其對阿爾茨海默?。ㄋ追Q老年癡呆癥）患者和心臟病患者，機器學習可準確地預測發(fā)病風險。

FAU牽頭的研發(fā)團隊，利用患者對藥物、睡眠質量和記憶力等健康問題的回復，結合人口統(tǒng)計學信息，開發(fā)了一種機器學習模型來評估患者患老年癡呆癥的風險。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)學習，對疾病的進一步發(fā)展進行預測,該方法對阿爾茨海默病的檢測和治療具有重要意義。

耶魯大學醫(yī)學院的研究人員在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習模型中。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，機器學習的預測結果更加準確。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測效果。