急性冠狀動脈綜合徵（ACS）指以冠狀動脈粥樣硬化斑塊破裂或侵襲，繼發完全或不完全閉塞性血栓形成為病理基礎的一組臨床綜合徵。ACS是一種常見的嚴重心血管疾病，是冠心病的一種嚴重型別。如果不及時治療，可能會導致心臟病發作，甚至對生命安全造成威脅。資料顯示僅在美國，每年就有超過 61 萬人死於心臟病。因此，這種疾病的及時治療和預防是非常重要的。
圖片來源：Pixabay
針對這一情況，來自IBM和阿斯利康的科學家們研發出了一個機器學習模型，能夠檢測出早期的ACS跡象並提出預警。這篇論文目前已經發表在了Arxiv.org上。
該團隊使用了一個資料集進行研究，該資料集由中國 38 家城市及農村醫院的 26986 名成年住院患者組成，記錄了他們的年齡、性別、病史、習慣、實驗室檢查結果、治療步驟、ACS型別和近40個其他特徵。研究人員將這些特徵反饋給他們研發出的神經網路，來同時對四個因素進行預測：患者在患上ACS之前是否出現過主要不良心血管事件 (MACE)；他們是否接受過抗血小板藥物治療，以防止形成冠狀動脈內血栓；他們是否接受過用來降低血壓的β受體阻滯劑治療；他們是否接受過他汀類藥物治療（這種藥物有助於降低膽固醇水平，進而預防心臟病發作和中風）。
▲該研究的示意圖（圖片來源：arxiv.org）
接下來，研究人員採用了k均值聚類演算法，這是一種統計方法，按照資料點的相似性，將它們分配到集合中。研究人員根據從神經網路中獲得的分類資料，將患者劃分成了7個不同的群組。從這些群組的研究中，他們獲得了很多有用的結論：在MACE出現率高但患病率低的人群中，糖尿病是ACS的預測因素之一；而在另一個包含“嚴重”疾病患者的群組中，年齡和收縮壓在ACS進展中發揮了很大的作用。
研究人員提醒說，儘管這些指標對疾病預後有影響，但它是否能（或應該）為臨床實踐提供所需的資訊，這一點尚未明朗。同時他們還指出，如果沒有進行進一步研究的話，這些可能導致ACS的因素就無法直接轉化為臨床干預。儘管如此，他們的工作表明，由AI驅動的聚類分析對於ACS患者的風險預測來說，是一種很有前景的方法。
參考資料：
[1] AI predicts precursors to heart attacks. Retrieved March 15, 2019, from https://venturebeat.com/2019/03/05/ai-predicts-precursors-to-heart-attacks/
[2] Xia, et al., (2019). Outcome-Driven Clustering of Acute Coronary Syndrome Patients using Multi-Task Neural Network with Attention. Arxiv.org, arXiv:1903.00197