在各种疾病中，心脏病发作是最难预测的一种。有统计数据显示，全球每年有近2000万人死于心梗、中风、血管堵塞等心血管系统疾病。很多医疗和研究机构使用年龄、胆固醇水平、血压等8至10项指标来预测患者的心脏病发作风险。英国诺丁汉大学的研究人员研发了一种人工智能系统，让计算机通过“自学”各种医学指征和数据来预测患者的心脏病发病风险，准确率高于医生。
　　
　　研究人员表示，影响人体健康的因素很多，人体各系统的相互作用也十分复杂，计算机科学可以帮助医务人员探索这些因素之间的关联。在他们开发的人工智能系统中，计算机使用了四种机器学习方法，分析英国近38万名患者的电子医疗记录，寻找心脏病发病模式。据介绍，人工智能系统首先进行自我训练，使用78%的患者数据来寻找发病模式并构建自己的诊断指导系统。接下来，系统用剩余22%的医疗记录对自己进行测试：先用2005年的数据进行学习归纳，然后预测此后十年内哪些患者会首次患上心血管疾病，最后使用2015年的记录检查预测结果。结果显示，四种机器学习方法预测心脏病发作的准确率全部优于传统医生诊断标准。美国心脏病协会预测指导方针的准确率在72.8%，而四種人工智能方法的精确度在74.5%到76.4%之间。其中准确率最高的一种机器学习方法还降低了一定的错误预警率，相当于在8.3万名患者中额外挽救了355人的生命，因为错误预警诊断可能会让本不需要服用降低胆固醇药物的人服药，滥用药物同样对人体有害。
　　研究人员表示，接下来计划让机器学习算法涵盖生活方式和遗传等因素，进一步提高预测的精确度，更好地帮助医务人员预测患者的心脏病发作风险。