来源：分析测试百科网

　　近日，佛罗里达大西洋大学（FAU）和耶鲁大学医学院发表的两项独立研究表明：机器学习算法在改善慢性病风险评估和护理方面发挥关键作用，尤其对阿尔茨海默病患者和心脏病患者，机器学习可准确地预测发病风险。

　　FAU牵头的研发团队，利用患者对药物、睡眠质量和记忆力等健康问题的回复，结合人口统计学信息，开发了一种机器学习模型来评估患者患老年痴呆症的风险。该方法可从多维度分析人体属性和大脑的行为功能，挖掘和分析高级数据并持续学习，对疾病的进一步发展进行预测,该方法对阿尔茨海默病的检测和治疗具有重要意义。

　　耶鲁大学医学院的研究人员在Radiology发表的另一项研究中发现：将病人的64个冠状CT成像特征输入到机器学习模型中。该模型通过提取分析数据中的形态模式，可预测具有特定模式的患者比具有其他模式的患者更可能发生心脏病等不良事件。和传统的方法相比，机器学习的预测结果更加准确。研究人员表示如果增加人体的详细数据如：年龄、吸烟、糖尿病和高血压等，会进一步提高该方法的预测效果。