新机器学习算法能一键识别心血管风险 澳大利亚埃迪斯科文大学（ECU）与加拿大曼尼托巴大学的研究人员共同开发了一种自动化机器学习程序，该程序可以通过常规临床检测中的骨密度扫描图像来识别潜在的心血管事件风险以及跌倒和骨折的风险。这一创新技术大大简化了风险评估过程，有望在医疗领域发挥重要作用。 研究人员表示，这种算法能够从骨密度扫描数据中提取关键信息，并通过深度学习模型进行分析，从而快速准确地识别出患者可能面临的心血管问题。传统的风险评估方法往往需要医生手动分析多种检测结果，耗时且容易出现疏漏。而这一新算法可以在几秒钟内完成同样的工作，不仅提高了效率，还减少了人为错误的可能性。 这项研究的意义在于，它将有助于医生更早地发现并干预心血管疾病，从而提高患者的治疗效果和生活质量。此外，该算法还能帮助识别跌倒和骨折的风险，这在老年人群体中尤为重要。 目前，该算法已经在多个临床环境中进行了测试，结果显示，其准确率与经验丰富的医生相当，甚至在某些情况下优于人工判断。未来，研究团队计划进一步优化算法，并将其应用于更多的医疗场景中，以便更好地服务于广大的患者群体。