机器学习（AI）准确预测心脏骤停风险

人工智能（AI）的分支，称为机器学习，可以准确地预测医院心脏骤停的风险 - 当心脏突然停止使用时序和天气数据的组合时，在线发布在线发布的研究心。

机器学习是对计算机算法的研究，基于这样一种思想: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。

调查结果表明，周日，星期一，公众假期，周一，公众假期，周一，公众假期以及在日子间急剧下降时，心脏骤停的风险最高。

这些信息可以用作公民的预警系统，降低风险，提高他们生存的机会，并提高紧急情况的准备医疗服务，建议研究人员。

外面的医院心脏骤停是世界各地的常见，但通常与低生存率相关。风险受到普遍的影响天气状况。

然而，日本研究人员说，气象数据是广泛的，并且机器学习有可能通过传统的一维统计方法识别未识别的关联。

为了进一步探索这一点，他们评估了机器学习预测医院外心脏骤停的能力，使用每日天气(温度、相对湿度、雨量、降雪、云量、风速及气压读数)及时间(年份、季节、星期几、每天小时及公众假期)数据。

在2005年至2013年间发生的1299784起病例中，机器学习应用于525374例，使用天气或时间数据，或两者(训练数据集)。

然后将结果与2014-15件发生的135,678例进行比较，以测试模型的准确性，以预测其他几年每日心脏逮捕数量（测试数据集）。

研究人员利用2016年1月至2018年12月期间神户医院外心脏骤停的另一个数据集进行了“热图分析”，以了解这种方法在当地的准确性。

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、低温和几天内及之间的气温骤降与心脏骤停的关系比单纯的天气或时间数据更密切。

研究人员承认，除了神户以外，他们没有心脏骤停发生地点的详细信息，他们也没有关于心脏骤停之前存在的任何数据医疗条件，这两者都可能影响了结果。

但是，他们建议：“我们对发达国家的一般人群进行了广泛的预测模型，对发达国家的一般人群普遍敞大，因为这项研究具有大的样本量和综合气象数据。”

他们补充说：“本研究中开发的方法是可以应用于与危及生命的急性心血管疾病有关的其他临床结果的预测分析的新模型的一个例子。”

他们得出结论:“这种预测模型可能对预防(院外心脏骤停)和改善患者预后有用……通过一个预警系统，为市民和[紧急医疗服务]在未来高风险的日子。”

在托马斯杰斐逊大学西德尼金梅尔医学院David Fost Gaieski博士中，托马斯杰斐逊大学博士同意。

“知道什么天气最有可能在未来的一周内能够为处于风险中的人们产生“心血管紧急警告”，告知老年人和其他人即将到来的危险期增加类似于如何天气数据用于在冬季暴风雪期间通知人们即将到来的危险路况，”他解释道。

“这些预测可用于资源部署，调度和规划，以便紧急医疗服务系统，急诊部门复苏资源和心脏导管型实验室工作人员意识到并准备好在未来几天内的预期[案例]，“他补充道。

---

---