共计 929 个字符，预计需要花费 3 分钟才能阅读完成。
布鲁克大学计算机科学助理教授 Blessing Ogbuokiri 及其团队正在利用人工智能技术，开发一种能够预测个人心力衰竭风险的机器学习模型。这项研究源于 Ogbuokiri 的个人经历——他的母亲因心脏问题去世，这促使他投身于这项可能改变甚至拯救生命的研究。
作为布鲁克大学负责任与应用机器学习实验室（RAML Lab）的主任，Ogbuokiri 表示：“我不是医生，但我觉得可以利用我在人工智能领域的专业知识，提出一种可能预防心力衰竭的解决方案。”他和他的学生团队获得了布鲁克大学新设立的黑人学者研究资助，以支持这项具有重要意义的工作。
- 
- 
研究代理副校长 Michelle McGinn 评价道：“这项资助特别适合支持 Ogbuokiri 博士开展这个受其个人经历启发的项目，这对尼亚加拉地区老龄化人口具有重要价值。他帮助患者的热情、技术专长以及对母亲记忆的承诺，体现了黑人学者研究资助的精神。”
研究团队正在基于加拿大老龄化纵向研究的健康数据，训练一个机器学习模型。该模型将分析一系列变量之间的关联，包括病史、吸烟状况、身体活动水平、社会经济状况以及是否存在糖尿病等慢性病。Ogbuokiri 解释说：“当我们训练模型并使其能够识别这些模式时，它就可以给出预测，例如某人因心力衰竭住院的可能性为 50%。”
团队的目标是开发一个简便易用的工具，让患者和医疗专业人员能够“一键”评估心力衰竭风险。这种预测不仅能够激励患者采取更健康的生活方式，如增加锻炼或戒烟，还可以帮助医疗专业人员采取积极措施，减轻医疗系统的负担。
此外，Ogbuokiri 强调，他的模型还可以改善黑人和寻求公平社区患者获得早期干预的机会。这些社区受心力衰竭的影响尤为严重，并且在接受医疗保健时可能面临偏见和其他障碍。他指出，现有的医疗保健模型可能存在系统性低估某些人群（如黑人或低收入患者）风险的问题，导致他们在获得及时干预或治疗方面的差距。
为了避免和减轻模型中的偏见，研究团队正在采取多项措施。Ogbuokiri 表示：“我们在数据预处理过程中应用了偏见缓解技术，并使用指标评估模型公平性，以确保其在各人口群体中的公平表现。”通过这些努力，团队希望能够开发出一个既准确又公平的 AI 工具，为更多患者提供及时有效的医疗干预。
