心血管疾病是全球主要的健康威胁之一。为改善诊断与风险评估，密苏里大学医学院的研究人员开发了一种基于机器学习的人工智能模型，通过分析正电子发射断层PET扫描数据，更准确地预测患者发生主要不良心脏事件（MACE）的风险。

传统风险评估方法多依赖统计分析，例如预测再住院风险，但这些模型在数据处理能力和变量关系分析上存在局限。相比之下，新的人工智能模型利用PET扫描提供的详细核影像信息，能够更全面地评估患者状况。

研究作者Fares Alahdab表示：“我们的模型在分配患者MACE风险方面比其他预测方法更准确，有助于优化个性化医疗方案。”该模型通过训练冠状动脉疾病患者的PET扫描数据，识别出高风险个体，从而为针对性护理提供依据。

Alahdab补充道：“识别最可能发生不良健康事件的患者对定制护理计划、维持生活质量至关重要。”这项研究已发表于《核心脏病学杂志》，其方法也有潜力应用于其他疾病的预测。