重大科學突破：Google已經可以預測患者未來5年發生心臟病的風險

Google剛剛結束了機器學習系列媒體聚會-AI與醫療應用，會上邀請到Google AI產品經理Daniel Tse分享Google如何將AI與醫療應用結合。

Daniel Tse為醫師出身，同時也是Google的AI產品經理。他首先談及了人工智慧（AI）與「機器學習」（Marchine Learning）的差別。Daniel簡單解釋，人工智慧是能讓事物變得更加聰明的科學，而機器學習則是透過「訓練機器」，讓機器可從學習中變得更聰明，而後者是團隊較為偏重的部分。

根據Google提供的數據，全球有4.15億名糖尿病患者面臨「視網膜病變」的風險，事實上這也是全球失明人數迅速攀升的主因，這些患者需要透過每年的定期篩檢來降低失明的風險，而最為常見的做法為檢查眼底圖象。

在檢測過程中，在完成拍攝眼球底部影像後，會依患者病變輕重程度分為1~5分，而醫師觀察的影像都是檢驗眼球出血和滲液的指標。然而上文已提到，全球醫師除了正面臨嚴重短缺問題，在印度的情況則更為嚴重。

同時在Google近期發表的論文中，Google也訓練機器學習模型預測醫師在評價患者心臟病發作或中風風險時考慮的各種因素，例如年齡、自報性別、吸煙情形、血壓或主要不良心血管事件等。

Google目前已可直接預測患者五年內發生心臟病發作或中風的風險，但由於隻運用了幾百個案例來訓練模型，因此這項研究還在相當早期的階段，未來有機會運用在評價心血管疾病風險，並可透過非侵入性方式所取得的影像來進行相似的預測，盼能透過機器學習結合醫療應用，為更多患者所用。