郑琰莉 苏文星 宋元涛

    摘要 ?近年来，心血管疾病发病率逐年增高，传统治疗方法在临床应用中存在效率低、成本高等问题。机器学习具有强大的分析能力，可改善此类问题，在心血管疾病临床应用中受到了广泛关注。介绍了机器学习的相关概念，梳理了机器学习在心血管疾病临床应用的研究进展，总结机器学习在该领域的不足与挑战，旨在为机器学习在心血管疾病临床应用的进一步研究提供参考。

    关键词 ?心血管疾病；机器学习；临床应用；综述

    doi： ?10.12102/j.issn.1672.1349.2024.10.015

    随着人口老龄化进程加快，受居民不良生活方式的影响，心血管疾病发病率逐年增高。据统计，2020年，我国罹患心血管病人数约为3.3亿例，且农村地区心血管病死亡率高于城市 ?[1] 。临床对心血管疾病的诊断主要依赖医师对病人临床症状、既往病史及辅助检查的综合分析。医师的经验水平对诊疗效率带来一定的影响，且心血管疾病的诊断过程烦琐且价格昂贵 ?[1] 。机器学习因具有强大的分析与处理能力，在心血管疾病临床应用中受到了广泛关注与应用 ?[2.3] 。现梳理了国内外学者关于机器学习在心血管疾病临床方面应用的研究进展，旨在为机器学习在心血管疾病临床应用的进一步研究提供参考。

    1 机器学习概述

    1.1 机器学习的定义与分类

    人工智能是计算机科学的一个领域，旨在模拟人类的思维过程、学习能力和知识存储。机器学习是实现人工智能的方法之一，通常是指系统通过算法从数据中获取特征信息以自动学习数据的内在模式进行相应决策的过程。医院储存的海量电子病历、影像学资料和实验室检查数据为机器学习的应用奠定了良好的基础。根据不同的学习方式，机器学习分为监督学习、无监督学习、半监督学习及增强学习(见表1)，可用于解决分类、回归、聚类、降维等问题 ?[4.5] ......