近几十年以来，心脏病是导致美国人死亡的主要因素，所以患有心脏衰竭（Heart Failure）的美国人越来越多一点也不奇怪。预计到2030年，确诊患有心脏衰竭的美国成年人将会增加46%，这意味着患病人数将达到800万，一半左右的人在确诊5年内死亡。
脏衰竭是指由于心脏的收缩功能或舒张功能发生障碍，不能将静脉回心血量充分排出心脏，导致静脉系统血液淤积，动脉系统血液灌注不足，而引起心脏循环障碍症候群。
心脏衰竭很难早确诊，在美国国家卫生研究院（National Institutes of Health）帮助下， IBM Research的一个科学家团队联合Sutter Health的科学家与Geisinger Health System的临床专家，利用基于电子病历（Electronic Health Records）背后可能隐藏的讯息，研究和预测心脏衰竭。在过去3年里，利用自然语言处理、机器学习和大数据分析等AI最新进展，该团队训练了一个比现今典型诊断早一至两年确诊心脏衰竭的模型。这项研究提出了关于训练模型所需数据，以及实际权衡等方面的重要见解，并开发了更容易应用在未来模型的新应用方法。
现在的医生通常会对病人安排心脏衰竭测试，并在病历中记录患者心脏衰竭的体征和症状。尽管已经做了最大的努力，但是患者通常是在急性事件接受住院治疗之后，才被诊断出心脏衰竭，此时疾病已经对身体造成不可逆转的渐进性器官损伤。
该团队的研究重点是，在典型临床诊断的前一年或前几年，透过利用电子病历系统包含的数据，检测和预测病人患有心脏衰竭的风险有多大。
为了达到他们的目标，应用自然语言处理和机器学习方法，该团队开发和应用了几种认知计算和AI 技术来分析项目中的患者数据。
在项目过程中，团队致力于达成一系列目标，得到一些意想不到的发现，其中包括：
第一个目的是了解 Framingham Heart Failure Signs and Symptoms（FHFSS）用于早期检测的有效性， FHFSS是临床医生通常用来诊断心力衰竭的传统风险因素。研究者使用自然语言处理技术（NLP），透过分析讯息和辨识概念（包括富氏风险标准（Framingham risk criteria）或其他类型的症状），从非结构化数据（如医生笔记）中提取资讯。有趣的是，研究结果显示，28例原始FHFSS体征和症状中，只有6例确定是未来呈现心脏衰竭的可靠预测因子。
第二个目的是，透过将医生笔记的非结构化数据与结构化电子病历数据相结合，确定能否更准确地预测心脏衰竭。为此，团队应用机器学习方法来构建考虑变量组合的预测模型。研究结果显示，与FHFSS联合使用时，收集在电子病历中的其他常规数据类型（如疾病诊断、药物处方和实验室检查）可能是预测患者心脏衰竭发作更有用的预测因素。
使用纵向电子病历数据（EHR），研究者在观察期中提取和分析了各种结构化和非结构化数据类型，其中索引日期代表可以进行预测的最早日期，预测期（ prediction window ）指的是传统手段诊断前，模型能够预测的一个时间段。
在帮助检测个体心脏衰竭的可能性方面，研究还使团队深入认识特定数据类型与实用性之间的权衡。例如，当使用更多样化的数据类型时，模型的性能得到改善，其中诊断、用药遗嘱和住院数据三者之间的两两组合是最重要的数据类型。利用知识驱动的药物和诊断本体，将变量概括为更高层次的概念，并开发出数据驱动的方法来辨识和选择最显著的变量，创建出更小和更强大的变量子集。最终，团队开发出性能和实用性都优良的预测模型。
这从临床的角度来看非常重要，因为模型中使用的患者因素可能超过了1,000个，但是没有医疗保健专业人员希望输入如此多变量。对于训练有效预测疾病模型所需数据的最低数量和类型，这些研究成果提出了可实现的指导方针。去年11月，发表在Circulation: Cardiovascular Quality and Outcomes的一篇论文「Early Detection of Heart Failure Using Electronic Health Records」和另一篇论文「Learning About Machine Learning: The Promise and Pitfalls of Big Data and the Electronic Health Record」记录了这一研究的其他实际意义。
以上三方将继续合作，进一步推进目前的研究结果。这项工作令人振奋的一面是，有适用于其他疾病的潜在可能性。大数据的可用性联合革新的认知计算，有望让临床诊断和早期疾病检测方面取得重大进展。
