最新发表在国际著名心血管专业期刊《心脏》（Heart）杂志网络版上的一项来自日本学者的研究发现，利用人工智能(AI)的的机器学习技术，可以结合时间和天气数据，准确预测医院外心脏骤停的风险。

机器学习是一种计算机算法研究，计算机系统可以从数据中学习，并识别模式，以最小的干预为决策提供信息。医院外心脏骤停在世界各地都很常见，但通常生存率低。风险也受当时天气状况的影响，而气象数据是广泛而复杂的，机器学习有潜力提取传统一维统计方法无法识别的关联。

研究人员使用日常天气(温度、相对湿度、降水、降雪云层,风速和大气压力读数等)和时间(年、季节、一天,一天小时,和公共假日等)数据，运用机器学习的能力来预测心脏骤停的发生规律。

研究人员在2005年至2013年发生的1,299,784例心脏骤停病例中，机器学习应用于其中525,374例，使用天气或时间数据，形成训练数据集，然后将预计结果与2014-15年发生的135,678例心脏骤停进行比较，以检验该模型预测其他年份每日心脏骤停次数的准确性(测试数据集)。

另外，他们还利用2016年1月至2018年12月期间神户医院外心脏骤停的另一组数据集进行了“热图分析”，以了解这种方法在当地进行预测的准确性。

研究结果显示，心脏骤停的风险在周日、周一、公共假日以及几天内或两天之间气温急剧下降时最高。 研究人员建议，这些信息可以作为公民的早期预警系统，以降低他们的风险，提高他们的生存机会，并改善紧急医疗服务的准备工作。 医院外心脏骤停在世界各地都很常见，但通常与低生存率相关。风险受当时天气状况的影响。

在训练和测试数据集中，天气和时间数据的结合最准确地预测了医院外心脏骤停。该研究预测周日、周一、公共假期、冬季、低温以及几天内及之间的气温骤降与心脏骤停的关系比利用单纯的天气或时间数据更密切。

研究人员认为，这个每日发病率预测模型在发达国家的一般人群中广泛适用，因为这项研究的样本规模大，而且使用了全面的气象数据。并且该研究中使用的方法可以作为预测分析新模型的范例，可以应用于危及生命的急性心血管疾病相关的其他临床结果预测

专家表示，这套人工智能机器学习系统类似于运用天气数据来预测的人在冬季风暴气候来道路交通环境面临的危险，它可作为公民和应急服务的早期预警系统。其预测结果可用于资源部署、调度和计划紧急医疗服务系统、急诊科复苏资源，心导管室工作人员用其预测了解未来几天预计[病例]的数量，并为此做好准备。

循证来源：医牛独家循证原文01（点击获取链接）

循证来源：医牛独家循证原文02（点击获取链接）

以下为“医牛健康”认证广告内容：

如有任何使用问题，可添加“医牛切问®助手”微信号sh_medbulls，进行咨询。