英国牛津大学研究人员使用机器学习方法对大量的血管扫描数据进行深度分析，从而开发出的一种全新生物标记物，能够识别出为心脏供血的血管周围间隙出现的异常，如发炎、瘢痕等可预示未来心脏病发作的迹象。

　　英国牛津大学4日发布新研究成果显示，研究人员基于人工智能技术开发出一种新工具，可在心脏病发作前至少5年就判断出一个人是否属于这类疾病的高风险人群。

　　目前，如果一个人出现胸部疼痛等疑似心脏病症状时，传统检测方法主要依靠对冠状动脉扫描结果的判读，但这种方法有时并不一定能检测出病患未来会否心脏病发作。

　　该校研究人员使用机器学习方法对大量的血管扫描数据进行深度分析，从而开发出的一种全新生物标记物，能够识别出为心脏供血的血管周围间隙出现的异常，如发炎、瘢痕等可预示未来心脏病发作的迹象。出于机器学习的特性，加入的扫描数据越丰富，预测就越准确。

　　团队在1575名志愿者身上测试了这项新技术，反馈结果良好，比现有诊断工具都要优异。他们计划明年向医护人员推广这一新检测技术。

　　领衔该研究项目的牛津大学教授哈拉兰博斯·安东尼亚德斯说，利用人工智能开发的这个新工具能够找到人们血管周围的“坏”特征，这在早期心脏病风险检测方面具有很大潜力，让医护人员能够提前为病患采取预防措施。