近日，佛羅里達大西洋大學（FAU）和耶魯大學醫學院發表的兩項獨立研究表明：機器學習算法在改善慢性病風險評估和護理方面發揮了關鍵作用，尤其對阿爾茨海默病（俗稱老年癡呆癥）患者和心臟病患者，機器學習可準確地預測發病風險。

FAU牽頭的研發團隊，利用患者對藥物、睡眠質量和記憶力等健康問題的回復，結合人口統計學信息，開發了一種機器學習模型來評估患者患老年癡呆癥的風險。該方法可從多維度分析人體屬性和大腦的行為功能，挖掘和分析高級數據并持續學習，對疾病的進一步發展進行預測,該方法對阿爾茨海默病的檢測和治療具有重要意義。

耶魯大學醫學院的研究人員在Radiology發表的另一項研究中發現：將病人的64個冠狀CT成像特征輸入到機器學習模型中。該模型通過提取分析數據中的形態模式，可預測具有特定模式的患者比具有其他模式的患者更可能發生心臟病等不良事件。和傳統的方法相比，機器學習的預測結果更加準確。研究人員表示，如果增加人體的詳細數據，如年齡、吸煙、糖尿病和高血壓等，會進一步提高該方法的預測效果。