هر ساله نزدیک به ۲۰ میلیون نفر در جهان بر اثر بیماریهای قلبی عروقی جان خود را از دست میدهند. خوشبختانه گروهی از محققان در دانشگاه ناتینگهام انگلستان موفق به توسعه یک الگوریتم یادگیری ماشین شدهاند که قادر به پیشبینی احتمال حمله قبلی در افراد همانند یک پزشک است.
کالج قلب شناسی آمریکا (ACC) به همراه انجمن قلب و عروق آمریکا (AHA) پیش از این با استفاده از چندین دستورالعمل موفق به پیشبینی احتمال وقوع حمله قلبی در بیماران شده بود. این پیشبینی بر اساس هشت فاکتور از جمله سن، میزان کلسترول و فشار خون عمل میکند. به طور کلی این این روش در ۷۲.۸ درصد موارد پیشبینی درستی از احتمال وقوع حملات قلبی در بیماران انجام میدهد.
اگرچه این مقدار دقت در پیشبینی را میتوان قابل قبول و دقیق دانست، با این حال استفان ونگ و تیمش توانستهاند این پیشبینی را دقیقتر صورت دهند. در حقیقت آنها با توسعه چهار الگوریتم یادگیری ماشین و استفاده از دادههای مرتبط با ۳۷۸،۲۵۶ بیمار از انگلستان توانستند به این موفقیت دست یابند. در این روش از دادههای ۲۹۵ هزار بیمار برای یادگیری یا ساخت مدل و از بقیه دادهها برای آزمون و تست مدل استفاده شده است. نتایج حاصل از تست روش پیشنهادی ونگ و تیمش نشان از پیشبینی دقیقتر نسبت به روش ACC/AHA دارد. به عبارت دیگر میزان دقت این روش در پیشبینی بین ۷۴.۵ تا ۷۶.۴ درصد متغیر است.
به جز ۸۳ هزار بیماری که از دادههای مرتبط با آنها برای تست مدل یادگیری شده استفاده گردید، این روش پیشنهادی میتواند ۳۵۵ هزار زندگی را نجات بخشد. در حقیقت روشهای مبتنی بر هوش مصنوعی میتوانند با شناسایی برخی از فاکتورهای پرخطر مانند بیماریهای روانی و مصرف کورتیکواستروئیدها، پیشبینیها را بهتر از دستورالعملهای پزشکی موجود انجام دهند.
به گفته استفان ونگ، در سیستمهای بیولوژیکی از جمله بدن انسان ارتباط گستردهای بین اجزای آن وجود دارد و به کمک علوم کامپیوتر میتوان این ارتباطات را به خوبی کشف کرد.