耶鲁大学的研究人员展示了一种机器学习工具，可以在患有可疑冠状动脉疾病的患者中进行冠状动脉成像和压力测试之间的选择。

在《欧洲心脏杂志》上的一项研究中，该团队展示了个性化护理工具如何始终如一地选择最佳检查以在2100多名患者中取得良好的效果。

此外，该工具通过利用大型临床试验的两个臂来抵消现实世界中临床决策可能对研究数据产生的偏斜效应，从而避免了算法偏差。

“我们的方法综合了大量随机化特征之间的复杂关系，这些特征在创建和可视化患者的全面表型方面，并通过解剖学或功能性测试对胸痛进行了个性化评估，以评估不良心血管事件的风险，”作者写。

研究小组发现，如果检查的选择与AI工具可能推荐的检查相匹配，则患者发生心脏不良事件的风险显着降低。

在耶鲁自己对这项工作的报道中，医学博士Evangelos Oikonomou博士说，人工智能工具在技术上很先进，但在临床环境中却很实用。

“它依赖于日常拍摄的病人的特点，可以通过临床医生用一个简单的在线计算器使用，也可以在电子健康记录被合并，”他说。