犹他大学推出 AI 工具 RiskPath

快速阅读: 据《DevX.com》称，犹他大学研究人员开发了名为RiskPath的人工智能工具，可预测慢性病风险，准确率达85%-99%。相比传统系统50%-75%的准确率，RiskPath能更早识别高危个体。该工具已应用于多种疾病预测，并通过可视化展示帮助确定最佳干预时间。

犹他大学的研究人员开发了一种名为**风险路径（RiskPath）**的创新性软件工具，该工具借助人工智能预测个人是否会患上慢性且进行性的疾病。这一工具通过对多年积累的健康数据进行模式分析，能够识别出高危人群，其准确性高达 **85% 至 99%**。精神病学教授、One-U 负责任人工智能计划执行委员会成员尼娜·德莱西指出，慢性与进行性疾病占据了美国医疗保健支出的约 **90%**，并成为大多数发病率与死亡率的主要诱因。RiskPath 的目标是深入理解这些疾病的演变轨迹，从而实现更好的预防与早期干预。

该工具采用了先进的时序人工智能算法，为疾病进展过程提供了深刻见解，揭示了风险因素在整个疾病发展中如何相互作用以及如何发生变化。利用纵向数据的最大优势在于能够了解个人如何随着时间推移而发展和变化。研究表明，当前用于纵向数据分析的医学预测系统通常难以精准识别高危患者，准确率仅为 **50%-75%**。相比之下，RiskPath 提供了更强大的洞察力，能够在更早阶段识别高危个体，从而制定更具针对性的预防策略。

德莱西及其研究团队通过包含数千名参与者的三个主要长期患者队列验证了 RiskPath，成功预测了包括抑郁症、焦虑症、注意力缺陷多动障碍、高血压以及代谢综合征在内的 **八种不同状况**。这类工具的终极目标是为构建更优的风险分级与决策辅助工具铺路，帮助医生乃至患者更好地理解和提前应对慢性或进行性疾病的风险。系统通过直观的可视化展示，明确标示出人生中哪些关键时期对疾病风险影响最大，从而帮助研究人员确定最佳的预防干预时间点。

—

欧洲航天局在意大利启动了一个新的空间高性能计算项目。

尽管 RiskPath 主要是一款致力于提升风险分层模型的研究工具，但德莱西希望它未来能够在临床环境中得到应用，进一步优化疾病管理。

克莉丝蒂·桑德斯是一名 DevX 的科技新闻报道员，专注于报道新兴技术和快速崛起的初创企业。

相关文章：
– **机器学习简介**
– **亚马逊网络服务 S3**
– **哈夫曼编码**
– **Java 媒体框架**

看看这款双屏 Yoga 本。

(以上内容均由Ai生成)