边肖发现，许多朋友对通过人工智能严格评估心血管风险感兴趣。边肖为通过人工智能严格评估心血管风险汇编了一些相关信息，并在此分享。

在一项关于机器学习预测心血管问题能力的研究中，已经证明15种模型中有10种比手动风险评估方法更准确。

该研究在西班牙进行，并于7月1日发表于《国际临床实践杂志》。

米格尔埃尔南德斯大学的阿德里亚娜洛佩兹-皮内达博士和他的同事将他们的15种算法与两个已建立的评估量表进行了比较，将所有方法应用于西班牙数据库中的大约38527名患者，并对结果进行了五年的跟踪。

他们发现，预测能力最好的三种机器学习方法的ROC曲线(AUC)得分分别为0.7086(二次判别分析)、0.7084(朴素贝叶斯)和0.7042(神经网络)。

相比之下，在西班牙临床实践中广泛使用的常规风险测量方法在第11位和第12位排名较低，AUC低于0.64。

与人工评分相比，七种算法具有更高的预测能力、更高的敏感性和特异性。

作者的结论是：“未来心血管风险量表的开发应考虑机器学习方法。”