共计 1060 个字符，预计需要花费 3 分钟才能阅读完成。
2024 年 11 月 14 日，多伦多 SickKids 医院的研究人员发布了一项新研究，表明人工智能能够预测炎症性肠病（IBD）患者的早逝风险。炎症性肠病包括克罗恩病和溃疡性结肠炎，这两种疾病会引发胃肠道内壁的炎症，干扰身体消化食物和吸收营养的能力，导致患者出现腹泻、血便等症状。
研究团队利用机器学习技术，分析了 2010 年至 2020 年间安大略省 9000 多名 IBD 患者的死亡数据。研究结果发表在《加拿大医学会杂志》上，显示其中一半的死亡发生在 75 岁之前，这被视为早逝。尤其值得注意的是，如果在 61 岁之前被诊断出患有其他慢性疾病，如关节炎、高血压、肾衰竭、癌症或心理健康问题，患者的早逝风险会显著增加。
SickKids 医院的儿科胃肠病学家 Eric Benchimol 博士是这项研究的资深作者。他指出，患者通常不会直接死于炎症性肠病本身，而是与 IBD 相关的其他慢性疾病。因此，研究结果强调了关注 IBD 患者整体健康状况的重要性，并呼吁尽早对这些慢性疾病进行治疗。
“我们不能仅仅依赖胃肠病学家来管理这些患者，”Benchimol 博士说道，“我们需要建立一个协调的护理系统，全面关注 IBD 患者的其他健康问题。”
炎症性肠病的发病率在加拿大正逐年上升。据预测，到 2035 年，每 100 名加拿大人中就有超过 1 人患有这种疾病。Benchimol 博士指出，IBD 的发病与遗传和环境因素有关，特别是肠道微生物群的变化。吸烟和早期使用抗生素是已知的与该疾病相关的风险因素。
研究中识别出的与 IBD 相关的慢性疾病，如关节炎和心理健康问题，尤其是焦虑和抑郁，在年轻患者中尤为常见。Benchimol 博士表示，这些疾病与早逝的关联令人担忧，但具体机制尚不清楚，需要进一步研究。
除了人工智能，研究团队还使用了传统的统计模型来验证结果，发现两者得出的结论一致，这增强了对机器学习技术准确性的信心。Benchimol 博士认为，机器学习能够处理比人类更多的数据，并更有效地发现不同因素之间的复杂关系。未来的研究将跟踪 IBD 患者的长期健康状况，并纳入更多临床变量，如炎症的严重程度和患者正在服用的药物。
Benchimol 博士希望，人工智能不仅能够帮助预防 IBD 患者的早逝，还能最终揭示如何彻底预防这种疾病的发生。“我们将利用机器学习来探索哪些环境风险因素可能使人易患 IBD，这些可能是我们目前无法想到的，”他说道。
这项研究为 IBD 患者的健康管理提供了新的方向，同时也展示了人工智能在医疗领域的巨大潜力。随着技术的进一步发展，人工智能有望在疾病预测、诊断和治疗中发挥更重要的作用。
